（许继变压器有限公司461000）
摘要：本文分析了电力变压器的故障诊断重要性和，并详细介绍了两种种故障诊断方法：油中溶解气体分析法、人工智能故障诊断方法，具有重要意义。
关键词：电力变压器；溶解气体故障分析法；人工智能故障分析法；
1.引言
为确保电网能够安全运行，需要及时对电力系统中的电力变压器这一关键设备进行正确的故障诊断，及时解决运行中的问题[1]。油浸式变压器是一种结构复杂，而故障率也相对高的变压器。油中溶解气体分析，简称DGA技术一种油浸式变压器的分析检测手段，在故障诊断中应用非常广泛[2]。据统计，有一半以上的故障变压器都是通过溶解气体分析技术检测出故障原因的。
随着近些年来不断发展的计算机和人工智能技术发展，人工智能变压器故障诊断越来越发挥出了优于传统的故障诊断技术[3]。人工智能诊断技术还能在潜在故障诊断中发挥重要作用，诊断故障的准确性高、速度快、可靠性也非常好，极大的拓展了变压器故障诊断发展方向。
2.变压器故障诊断方法
2.1油中溶解气体故障分析法
（1）特征气体分析法
内绝缘材料是电力变压器中的一类结构，它分解产生的气体将形成气泡，并经过油的对流、扩散作用，不断地溶解。分析故障气体的组成和含量，对于分析故障类型和故障程度非常有指导意义。下面表1给出了不同的变压器故障类型及其主要和次要特征气体（数据来源于《变压器油中溶解气体分析和判断导则》），如下所示，所以，油中溶解气体分析，对于变压器的潜伏性故障发现和诊断非常有效。
表1不同故障类型的特征气体组成
（2）三比值诊断法
除了用溶解气体的组分含量进行变压器的故障诊断，还可以利用气体的相对含量进行故障诊断。分析产生的特征气体组分含量，根据不同气体的相对浓度和温度的关系，利用热动力学原理，分析内绝缘故障原因，这就是IEC三比值法。如表2给出了三比值法的诊断方法。三比值法的优点是排除了油体积的影响，是判断变压器故障类型的重要方法，而且故障诊断的结果相对可靠。
表2三比值法诊断方法
2.2人工智能故障诊断法
（1）模糊逻辑法
美国的L。A。Zaedh教授，是自动控制专家，于1965年提出了模糊集合理论，获得了相关行业学者的广泛关注。模糊逻辑的建立是以多值逻辑为基础的，模糊逻辑是一种研究模糊性的语言和思维形式和规律，用来描述和界定某一类事物的不确定性关系的方法。作为一种变压器故障诊断的非常有效的方法，由于变压器在实际发生故障和引起故障原因之间的模糊关系非常多而且具有不确定性，而这个时候，模糊逻辑就能有效解决这方面的问题。
（2）以人工神经网络为基础的变压器故障诊断方法
人工神经网络是一类比较新的研究领域，这是一类数学模型，采用的是与人类大脑神经突出联接类似的信息处理模型。但是将神经网络理论应用到变压器诊断方面的研究仍然有一些局限性，因此一般还需要应用其它的智能方法对神经网络方法进行配合，综合两种方法的优点，互相补充，进而能够有效提高故障诊断的准确性。与上述提到的三比值方法相比，神经网络诊断方法，在故障诊断准确性方面的优势更为明显，但是实际应用还存在一些不足之处，比如误差反向传播的准确性较差，这一领域的研究学者在不断的对这一方法进行改进和完善，比如应用改进的粒子群算法进行参数优化，能大大增强其故障诊断性能。
（3）以专家系统为基础的故障诊断方法
专家系统虽然是人工智能的一个重要组成部分，但是专家系统由于是一类具有专门经验和知识的计算机系统，所以被单独拿出来讨论。专家系统，顾名思义，是效仿人类专家，具有专门的经验和知识，具有解决一些复杂问题的能力，并且能够不断的自主完善内部存储知识库，保证知识的新颖性和完整性。所以，这种系统在解决不同电压等级、不同运行环境和不同变压器容量的情况下，具有诊断准确性高的优点。利用气相色谱法，专家系统能够综合不同故障检测信息，对故障性质进行准确判断，而且在进行诊断时，还能根据变压器的差异，调整自身系统结构，形成个性化的诊断系统，能够大幅度提高诊断的准确性。
3.结论
本研究通过介绍故障诊断的意义，说明了研究电力变压器故障诊断的必要性，并详细介绍了两种故障诊断的方法，对实际工作具有重要的指导意义。
参考文献：
[1]张彬，徐建源，陈江波，。基于电力变压器振动信息的绕组形变诊断方法[J]．高电压技术，2015，41（7）：2341~2349
[2]李刚，于长海，刘云鹏，等。电力变压器故障预测与健康管理：挑战与展望[J]．电力系统自动化，2017，41（23）：2005~2014
[3]石鑫，朱永利，萨初日拉，等，基于深度信念网络的电力变压器故障分类建模[J]．电力系统保护与控制，2016，44（1）：71~76