黄磊 王辉

（上海电力大学）

0 引言

随着我国经济快速的发展，电力系统网架结构的规模在飞速地扩大，越来越多的人对电网电力的需求不断增加，同时对电能质量的要求也不断地提高，而如何保障电网设备稳定及安全可靠的运行是电力员工们目前最重要的事情。但是，由于目前的电力需求越来越旺盛，尤其是在迎峰度夏期间，电力系统经常处于满负荷，甚至过负荷状态。电力设备日常运行中，受自身以及外界的影响，偶尔会出现一定的故障，一旦发生故障，就会给电网运行带来不可挽回的损失[1]。为了保证变压器的健康稳定运行，变压器在线监测技术日益得以运用，能够及时发现设备的异常情况，对变压器实时监测数据，形成一系列各式各样的数据库，这对于评价变压器运行状态提供了强有力的支撑。

变压器油色谱[2]在线监测技术可以有效地测定变压器油中溶解气体浓度，并且是变压器在线监测技术中非常重要的一项，通过选择变压器油中溶解气体分析（DGA）数据中特征气体含量，搭建卷积神经网络[3]变压器油中溶解气体浓度故障诊断模型，对变压器进行故障诊断。从而掌握变压器的运行状态，以及变压器运行风险的评估。

1 卷积神经网络基本原理

卷积神经网络是深度学习中的一种，是一种包含有卷积计算，并且含有深度结构的前馈神经网络。一个完整的卷积神经网络包含有输入层、卷积层、池化层、全连接层、输出层[4]。……