晏 刚， 李自荣， 冉艳红， 彭 水， 郑 凯

（重庆赛宝工业技术研究院有限公司， 重庆 401332）

0 引 言

目前油浸式变压器内检方式存在效率低、检测盲区、故障判别难度大、变压器内部二次污染和破坏等问题。 油浸式智能内检机器人通过机器视觉和人工智能技术进行故障分析和定位，一方面代替人工在不放油、充气的情况下进入变压器内部工作，减少检修天数，提高检修效率；另一方面，可通过图像的智能识别提高故障判别准确率，降低检修成本。 本文研究变压器油浸式智能内检机器人，将变压器内部视频图像传输到工作站，使用卷积神经网络进行故障识别、分析预测，提高大型电力变压器的检修效率、发现潜伏缺陷、提高故障诊断准确性。

1 油浸式变压器故障类型分析

电力变压器内部故障主要表现为机械故障、热故障和电故障3 种类型，以后两种故障类型为主，大多数机械故障最终也会表现为热故障和放电性故障［1］。 过热性故障是热应力所造成的绝缘加速劣化；放电性故障可根据其放电能量的密度分为电弧放电、火花放电和局部放电3 类［2］。 一旦出现运行缺陷或故障，或者需要对设备大修时，仍需要将设备停电放油，由专业技术人员从入孔爬进设备箱体内进行内检排查，发现设备里的缺陷或故障，必要时还需要对变压器进行吊罩处理和解体检查。

2 卷积神经网络

本文研究的油浸式变压器故障识别卷积神经网络使用Hu 特征提取和Hog 特征提取两种图像数据特征提取算法。……