曾冬洲，郑宗华

(福州大学电气工程与自动化学院，福建 福州 350108)

1 引言

电力变压器作为电力系统的关键枢纽设备，其工作状态的正常与否直接影响着整个电力系统运行的安全性和可靠性。处于异常状态的变压器，会降低电力系统的供电可靠性甚至造成社会经济损失。因此对变压器的异常工作状态及时识别，并进行状态检修，能够在提高设备可靠性的同时，有效规避检修不足及检修过度等问题[1]。

传统的变压器状态异常检测方法主要包括局部放电检测技术与油中气体分析(Dissolved Gas Analysis，DGA)技术[2-4]。虽然这两种技术在变压器故障诊断方面应用较广，但是也存在一定的弊端。文献[5]中采用局部放电检测技术对疑似异常变压器开展局部放电检测时，需要借助工作经验开展局部放电定位及定量检测工作，不仅耗时耗力，也不能对变压器故障进行及时有效的识别，影响设备运行的可靠性。文献[6]中利用油中气体分析技术对变压器异常状态进行检测，其缺点在于从局部放电的发生到可检测到特征气体往往需要较长的时间，很难捕捉到突发性故障的征迹，实时性比较差。同时，传统的异常检测技术主要使用变压器油分解气体含量、油色谱和红紫外线等数据，未能对变压器在线监测系统中积累的海量电气监测数据进行有效的利用。

针对传统变压器异常检测方法的不足，本文将变压器的电压、电流、功率等在线监测数据作为特征参量，构建一种基于主成分分析和局部离群因子算法的变压器异常实时检测模型，并通过具体算例分析验证该模型对变压器异常检测的有效性和可行性。……