胡 蓉， 易照云， 钱 斌

(昆明理工大学信息工程与自动化学院， 昆明 650500)

电力变压器可分为干式变压器和油浸式变压器. 油浸式变压器充满了既能作为传热流体、又能作为电绝缘材料的矿物绝缘油，又称变压器油. 当变压器老化，变压器的电应力和热应力随之增大，变压器油会腐烂，并释放几种气体溶解在油中. 这些气体包括氢气(H2)、甲烷(CH4)、乙烯(C2H4)、乙炔(C2H2)和乙烷(C2H6)五种主要气体，它们通常被用于变压器初期故障诊断[1]. 变压器是保证电力系统连续正常运行的核心，因此，为保证变压器正常运行，变压器故障的初期诊断变得十分重要.

近年来,油浸式变压器在线状态的初期故障诊断技术得到了快速的发展. 传统的油浸式变压器故障诊断技术包括Duval三角形法[2]、关键气体法[3]和比率法[4]等，这些传统方法简单易行，但缺乏对变压器故障数据和故障类型间复杂非线性关系的有效刻画和处理，诊断结果的准确性和可靠性有待提高. 因此，研究者也采用人工智能(artificial intelligence, AI)模型诊断油浸式变压器的早期故障. 这些模型包括人工神经网络(artificial neural network，ANN)[5]、支持向量机(support vector machines，SVM)[6]和粗糙集理论[7]等. 然而，现有的AI诊断模型也存在一些局限，例如：ANN模型容易过度拟合且可解释性差，SVM模型对参数和核函数敏感，粗糙集模型在很大程度上忽略了规则的信息特征[8-9].

针对AI模型的不足，近年研究者也提出了一些改进措施. Yang等[10]采用基于交叉和变异概率的自适应遗传算法对概率神经网络模型的参数进行优……