换流变压器运行状态智能诊断分析评价系统研究.pdf

换流变压器运行状态智能诊断分析评价系统研究李渊1，王生杰1，马国祥2，吴对平1，周海兵3，沈洁1（1.国网青海省电力公司电力科学研究院，西宁810008；2.国网青海省电力公司，西宁810008；3.南京南瑞继保电气有限公司，南京211122）摘要：文中开发了换流变压器运行状态智能诊断分析评价系统，监测换流变压器运行状态并开展状态评估和故障诊断。换流变压器运行状态智能分析评价系统集成高频或超声局放、油气、温度、振动、铁心接地电流、负荷数据6类监测传感器，实现带电安装集中一体化管理。系统提出基于多参量的联合分析方法，建立了基于变压器自身结构参数和历史数据的热平衡模型、绝缘老化模型、过负荷模型、故障分类模型，可以实现变压器多源数据的融合研判，对变压器进行超前预警和全过程监测，提高变压器面对复杂电网运行工况的应对能力。关键词：换流变压器；参量分析；综合监测；状态评估Research on Intelligent Diagnosis Analysis and Evaluation System of Operation Status ofConverter TransformerLI Yuan1，WANG Shengjie1，MA Guoxiang2，WU Duiping1，ZHOU Haibing3，SHEN Jie1（1.Electric Power Research Institute of State Grid Qinghai Electric Power Company，Xining 810008，China；2.State Grid QinghaiElectric Power Company，Xining 810008，China；3.Nanjing NARI Jibao Electric Co.，Ltd.，Nanjing 211122，China）Abstract:In this paper，the intelligent diagnosis analysis and evaluation system of operation status of convertertransformer is developed to monitor the operation status and carry out status assessment and fault diagnosis of the converter transformer.The intelligent analysis and evaluation system of the operation status of the converter transformerintegrates such six types of monitoring sensors as high frequency partial discharge，ultrasonic partial discharge，oilchromatogram（oil gas），temperature，vibration，grounding current of core and load data so to achieve live installationintegrated management.The joint analysis method based on multiple parameters is proposed in this system and themodels of heat balance，insulation aging，overload and fault classification based on transformer s own structural parameters and historical data.are set up，which can achieve fusion research and judgment of multisource data oftransformer，carry out advance warning and whole process monitoring of transformer and improve the ability of transformers to deal with complex operation conditions of power grid.Key words:converter transformers；parametric analysis；comprehensive monitoring；status assessment0引言随着中国特高压直流输电工程建设的蓬勃发展，目前直流输电的电压等级和输电容量已经达到世界之最。换流变压器作为直流输电线路上的核心设备，直接决定着直流输电线路的运行可靠性。换流变压器结构复杂，其运行状态很难从外部进行观测。因此，对换流变压器的运行状态进行实时监测和分析评估，可以更好地对变压器实时状态做出判断，提高电网运行可靠性1-3。目前针对变压器运行状态进行监测的方法有很多。通过测量变压器铁心的接地电流可以直观第59卷第8期：007000772023年 8月16日High Voltage ApparatusVol.59，No.8：00700077Aug.16，2023DOI:10.13296/j.10011609.hva.2023.08.008_收稿日期：20230305；修回日期：20230518反映变压器铁心的接地故障4。变压器振动信号包括变压器机械状态的大量信息5-8，通过对变压器振动的监测可以直观地了解变压器的运行状态。特高频检测法9-10与超声检测法11-12是检测变压器局部放电的主要检测方法，同时将这二种方法联合使用可以对局部放电源进行定位13。过热故障一直是设备运行管理的重点关注点之一，文14使用光纤光栅传感器对变压器铁心温度进行监测，为变压器状态评估提供依据。油色谱分析法是针对变压器运行状态评价最有效的方法15-16，在变压器监测过程中得到大规模应用。状态评估是根据检测到的设备状态参量的特点及变化趋势，对设备运行状态进行评估，为设备的检修提供依据的方法。在评估方法方面，国内外的研究机构展开了大量的研究工作，取得了大量的成果。传统的状态评估方法包括三比值诊断法、阈值诊断方法、时域波形和频域特性诊断方法等17-18。随着人工智能的发展，有学者将智能算法应用在状态评估领域，如模糊综合评判19-20、粗糙集理论21、神经网络22-23、支持向量机24-26、证据理论27和专家系统28等。同时，国家电网公司和南方电网公司相继颁布了一系列电力设备的状态评估导则29-30，为电力设备的状态评估提供标准和依据。目前针对变压器的状态评估大多依据单一或有限的状态参量，未能综合考虑变压器的运行工况，评估的准确性有待提高。文中设计了换流变压器运行智能诊断分析系统，采用多种传感器获取变压器运行参量，并使用热平衡模型等多种模型对变压器的运行状态进行评估，为变压器的诊断提供依据。1换流变压器运行状态智能诊断分析评价系统换流变压器运行状态智能诊断分析评价系统通过对变压器上安装的传感器监测到的状态参量进行分析，对变压器的运行状态进行判断，具体诊断流程见图1。本系统主要由3个部分组成。第一部分是综合监测系统，通过集成高频或超声局放、油气、温度、振动、铁心接地电流、负荷数据6类监测传感器，采用吸附或开口闭合安装方式，主要用于获取换流变压器运行过程中的各种状态参量。数据获取可以通过本监测系统直接测量，也可以通过现有在线监测装置进行数据接入。同时，本监测系统配备有数据传输模块，可以将监测数据远程传输给设备管理部门，实现远程监测和运行状态分析。第二部分是监测参量分析系统。使用油气分析法、统计特征分析法、时域与频域波形分析等方法，对换流变压器监测系统采集的状态参量数据进行分析，最终得到采集数据的特征量，并判断变压器是否出现放电性、过热性或机械故障。同时，基于这些特征量，可以使用通过评估系统对变压器运行状况进行评估，对变压器的寿命及运行趋势做出判断，为变压器的运行及检修提出可靠的指导性意见。第三部分是状态评估系统。根据监测参量分析系统得出的数据特征量，依据国标及IEEE/IEC等标准中提供的方法建立热平衡模型、绝缘老化模型、过负荷模型，使用神经网络算法与物元法等方法建立故障分类模型，并基于变压器自身结构参数与变压器运行历史数据，对变压器进行状态评估、故障诊断和预测，评估变压器的健康指数，提前发现变压器内部潜伏性缺陷，掌握缺陷发展变化趋势，为检修决策提供依据，增强检修针对性，提升检修质量。2换流变压器运行状态智能诊断分析系统研究2.1换流变压器综合监测系统换流变压器综合监测系统主要由局部放电监测模块、油色谱监测模块、振动监测模块、温度监测模块、铁心接地电流检测模块、负荷检测模块和常规量获取模块组成，集成温度、负荷、高频局部放电、超声局部放电、油中溶解气体、铁心接地电流和本体振动等多种状态参量，见图2，实时同步监测变压器内部突发性故障和潜伏性故障，从电、热、力等不同角度实现变压器状态量的多方位监测。同时，监测系统配备了数据传输模块，实现了监测状态参变压器技术李 渊，王生杰，马国祥，等.换流变压器运行状态智能诊断分析评价系统研究图1系统分析诊断流程示意图Fig.1Schematic diagram of system analysis anddiagnosis process712023年8月第59卷第8期量数据的存储与传输。图2变压器综合监护系统Fig.2Transformer integrated monitoring system局部放电监测模块由高频局放传感器和超声传感器共同组成，可以实时确定变压器局部放电的幅值、变化趋势、放电位置、位移趋势，提高局放信号监测的准确性，并对局部放电源进行定位。油色谱监测模块采用现有油色谱在线监测系统进行数据集成，完成油色谱数据的接入。油色谱和局部放电同时进行监测，可以保证监测结果的可靠性和时效性。振动监测模块采用加速度振动传感器，采用吸附式安装方式布置在换流变压器的重心点位置，获取变压器运行过程中的振动信号。应用信号处理技术，提取时域和频域特征信息，并结合换流变压器自身结构特点，诊断变压器内部机械类故障。温度监测模块采用吸附式温度传感器测量换流变压器顶层油温和底层油温，也可以从设备温度表调取油温、绕组温度数据，实现变压器温度状态参量的全覆盖。铁心接地电流模块采用高精度工频电流传感器实时获取变压器铁心和夹件的接地电流数据，根据监测结果判断内部是否存在多点接地缺陷，并作为辅助参量与局部放电、油色谱数据结合参与放电性、过热性缺陷的判断。负荷监测模块应用电流互感器获取变压器二次侧运行电流，通过折算电流数据间接获取变压器负载率状态量，生成负载率曲线，与温度参量关联，结合变压器内部结构，利用热平衡模型进行热点温度计算。常规量获取模块通过后台数据进行数据集成，获取换流变压器电压、电流、油位等常规运行参量，参与整体状态评估。2.2换流变压器监测参量分析基于换流变压器综合监测系统所获取的变压器运行过程中的状态参量，使用小波分析法、统计特征分析法等方法对于状态参量进行分析，得到相应监测数据的特征量，为变压器状态评估提供依据。对于局部放电数据，首先对采集到的局部放电高频信号与超声信号进行分析，并与样本库中的不同放电类型的特征量进行对比，确定放电类型，见图3。采用统计特征参数法、波形特征参数法和小波特征参数法研究局部放电特征量提取技术，通过在数据量上简化和压缩放电脉冲信号，实现简单特征量表征放电特性。通过PRPD、PRPS及指纹图谱得到不同放电类型的特征量，利用BP神经网络及人工智能技术判断变压器放电类型。图3局部放电信号分析流程Fig.3Partial discharge signal analysis process变压器的机械故障包括绕组变形和结构件松动等，通过对变压器振动信号进行分析与处理，可以对变压器的机械故障做出判断与预测，见图4。应用信号处理技术，提取振动信号时域及频域特征信息，判断变压器内部紧固件是否松动，以及绕组压紧力变化或绕组变形情况。利用小波变换对振动信号进行多分辨率分析，同时获得信号的概况和不同高频段信号的细节，分析出振动信号在各个频段的分量，获得不同频段的能量百分比作为该组数据的特征，诊断变压器部件松动缺陷。图4振动信号分析流程Fig.4Vibration signal analysis process油气监测单元采用改良三比值、大卫三角形和HAE三角形3种分析方法。大卫三角形通过对甲72烷、乙烯、乙炔3种气体分析进行故障类型判断；改良三比值法在5种特征气体中选取两种溶解度和扩散系数相近的气体组成三对比值，以不同的编码区分不同的故障类型。基于温度监测模块获得的顶层油温、底层油温及设备温度表中的油温、绕组温度数据，针对接头、油箱、储油柜、冷却器进出口、控制箱端子、引线接头等设备进行分析评价，并对测量温度三相不平衡温差超过23 的设备进行详细分析。铁心电流监测模块具有趋势分析、频谱分析和波形分析功能，基于这些功能可以实现变压器铁心多点接地故障，见图5。趋势分析能够通过铁心电流监测值的增量判断变压器故障，波形和频谱分析能够获得电流信号的波形特征及频域特征，利用这些分析方法能够有效的判断变压器铁心多点接地故障。图5铁心接地电流分析流程Fig.5Analysis flow of iron core grounding current2.3换流变压器状态评估在针对换流变压器监测系统获得的状态参量进行分析的基础上，建立基于热平衡、绝缘老化、过负荷能力、冷却控制、综合评估和故障分类等6种技术模型的变压器评估诊断系统，对在运变压器状态进行实时监控、评估和故障诊断。根据温度监测单元所获取的顶部油温、冷却容量、负荷电流以及参量分析系统所计算出的额定温升、结构特性等参数，以国标GB/T 1094.72008中绕组热点温度计算方法为依据计算变压器各个绕组的热点温度。结合光纤绕组测温装置实时检测到的绕组热点温度数据，修正和优化绕组热点温度的软件评估计算方法。探究绕组热点温度与负荷电流、环境温度等信号，以及变压器容量、结构特性、冷却散热能力等固有参数的相关性关系，实现某一类型或某一型号变压器热平衡模型的建立，其实现原理见图6。通过传感器获取的顶层油温等数据，计算换流变压器绕组热点温度，综合分析变压器的参数对热点温度进行智能修正，判定计算结果是否合理。基于结果可以获取变压器最热点位置，判断温度是否超出预警范围，并对温度发展的趋势进行预测。图6热平衡模型实现原理Fig.6Realization principle of heat balance model绝缘老化包含热老化与电老化。对于热老化，首先基于建立的热平衡模型计算绕组热点温度，结合当前环境温度、负荷状态，结合 IEC 60076-7：2018标准中的计算方法评估变压器热老化程度。基于局部放电监测模块和油色谱模块所获取的相关数据评估变压器电老化程度，最后结合大量绝缘纸类型、氧含量等特征量，综合热老化和电老化计算结果等信息建立变压器绝缘老化模型，评估变压器绝缘老化速度及变压器寿命损失程度。其实现原理见图7。图7绝缘老化模型实现原理Fig.7Realization principle of insulation aging model基于热平衡模型，对传感器获取的数据进行分析，结合变压器运行时间，可以对变压器绝缘的热老化程度进行评估。通过局部放电监测模块监测的局部放电波形特征数据和油色谱检测模块获取的变压器油溶解气体含量特征，可以对变压器的电老化程度进行评估。综合考虑变压器绝缘电老化与热老化程度，对变压器绝缘的寿命和老化趋势做出准确评判。在变压器热平衡模型的基础上，以国标GB/T1094.72008 和 GB 151641994 中的过负荷评估算法为依据，并且综合考虑变压器自身的结构特性及绕组参数建立变压器过负荷模型。结合变压器运行过程中的历史数据，如负荷和环境温度等，修正和优化过负荷评估算法，提高变压器过负荷能力变压器技术李 渊，王生杰，马国祥，等.换流变压器运行状态智能诊断分析评价系统研究732023年8月第59卷第8期的评估水平。基于本系统的变压器过负荷模型可以直观地了解变压器的动态实时过负荷能力和变压器寿命损失情况。其实现原理见图8。图8过负荷模型实现原理Fig.8Realization principle of overload model过负荷模型首先对顶层油温等温度数据计算绕组热点温度，得出热点温度限值。基于限值计算变压器过负荷能力，对变压器负荷时间进行修正，并生成负荷曲线。同时，依据样本库中的历史数据，评估变压器的负荷能力。若不满足要求，则计算当前情况下变压器的指导负荷并进行报警。根据大量试验数据和运行经验总结变压器故障类型，本系统将变压器的故障总结分成了7类故障，分别是绕组故障、铁心故障、绝缘故障、引线故障、分接开关故障、套管故障和其他故障。在7类故障中还包含了子故障。依据上述故障分类类型，本系统采用故障树分析法、物元法和神经网络法对运行中的变压器进行故障诊断，其具体实现过程见图9。其中故障树分析法用于故障定位，即分析故障到底属于变压器哪个组(部)件；物元法和神经网络法用于故障定性，即判定故障属于何种故障类型。故障定性首先采用物元法，出现临界值不确定导致无法进行故障定性时再采用神经网络法进行补充。综合换流变压器当前的运行状态(温度、负荷、局放、油中气体等)，与目前已有的历史数据样本库进行参照对比，分析变压器绝缘状态，评估绝缘水平，最终形成变压器健康指数；同时分析变压器是否故障，若出现故障则进行故障诊断，即分析故障性质和故障部位。综合评价流程图见图10。首先根据综合监测相同获取变压器状态参量，对变压器的运行状态进行评估。若发现有超出预警值的参量，使用热平衡模型、绝缘老化模型、过负荷模型、故障分类模型进行诊断，并使用专家推理法判定是否存在误判的情况。若故障确实存在，则对变压器故障发展趋势及危害进行预测，并判定故障原因，进行检修工作。3换流变压器运行状态智能诊断分析评价系统的应用文中将系统安装在设计的主机中，主机设计紧凑、各个模块独立设计、电源与信号采集处理模块集成安装，传感器的安装采用吸附式和卡装式安装在变压器上，在现场带电安装，监测数据可以采用光缆或APN无线通信，可以实现与设备管理部门的远程通信与数据传输，能在换流变带电运行状态下进行拆装。换流变压器综合监测系统的传感器安装位置见图11。其中高频局放传感器、接地电流传感器安装位置为铁心接地线和夹件接地线。超声传感器、振动传感器、油温传感器安装位置为变压器油箱外壁。负荷电流传感器安装位置为变压器二次端子箱。换流变压器运行状态智能诊断系统能够有效地融合多种监测数据，并提取各种监测参量的特征量诊断变压器缺陷。装置对变压器监测模块单元图9故障分类模型实现原理Fig.9Realization principle of fault classification model图10综合评价流程图Fig.10Comprehensive evaluation flow chart74获取的各种监测信息和已有的1 052个典型缺陷数据进行综合处理，智能识别缺陷类型，并自动判断危害程度，给出科学的检修策略，通过对变压器健康指数发展趋势进行预判。系统能够在设备缺陷初期及时捕捉异常状态的微量变化，实时进行设备状态、缺陷类型、发展趋势等异常预警，做到设备健康状态智能精准感知、设备状态安全可控，超前预警，防患于未然。4结论1)通过换流变压器综合监护系统的应用，实现多源动态数据的获取并与其他运行参量融合分析，利用深度学习、模式识别等智能算法，结合换流变结构特点，通过内置变压器健康评估模型，达到主动预警、健康评估、辅助决策的效果，并将监测数据和评估结果通过标准协议接口上传至统一的换流变压器设备管理平台。2)本系统能够全面提升设备状态感知能力及集约运检管控能力，最终实现换流变压器全景展示，实时动态智能诊断故障，评估变压器运行状况，提高运检工作效率、降低运维人员工作强度和提升企业效益的根本目的。参考文献：1谭又博，余小玲，臧英，等.谐波电流对换流变压器绕组损耗及温度分布特性的影响J.电工技术学报，2023，38(2)：542553.TAN Youbo，YU Xiaoling，ZANG Ying，et al.The influenceof harmonic current on the loss and temperature distribution characteristics of a converter transformer windingJ.Transactions of China Electrotechnical Society，2023，38(2)：542553.2成立，夏彦卫，高树国，等.基于混合电场线性叠加原理的换流变压器内部电场分布规律研究J.智慧电力，2021，49(1)：9095.CHENG Li，XIA Yanwei，GAO Shuguo，et al.Effect ofthermal aging on electric field distribution in convertertransformer based on linear additive principle for mixedelectric fieldJ.Smart Power，2021，49(1)：9095.3曲文韬，赵航，刘洪顺，等.换流变压器局部放电高频在线监测抗干扰技术研究J.变压器，2022，59(7)：4350.QU Wentao，ZHAO Hang，LIU Hongshun，et al.Anti interference technology research on high frequency onlinemonitoring partial discharge of converter transformerJ.Transformer，2022，59(7)：4350.4雷战斐，柴斌，武嘉薇，等.一起换流变压器铁心泄漏电流异常分析及处理J宁夏电力，2019(2)：4650LEI Zhanfei，CHAI Bin，WU Jiawei，et al.Analysis andtreatment of abnormal leakage current in a convertertransformer coreJ.Ningxia Electric Power，2019(2)：4650.5余长厅，黎大健，陈梁远，等.基于声纹及振动的变压器故障诊断技术研究J高压电器，2019，55(11)：248254YUChangting，LIDajian，CHENLiangyuan，etal.Transformer fault diagnosis technique based on voiceprintand vibrationJ.High Voltage Apparatus，2019，55(11)：248254.6张仕民，丰遥.基于振动信号的变压器铁心与绕组故图11系统传感器模块安装示意图Fig.11Installation diagram of system sensor module变压器技术李 渊，王生杰，马国祥，等.换流变压器运行状态智能诊断分析评价系统研究752023年8月第59卷第8期障区分方法J.电测与仪表，2021，58(6)：161166.ZHANG Shimin，FENG Yao.Discrimination method oftransformer core and winding fault based on vibrationsignalJ.Electrical Measurement&Instrumentation，2021，58(6)：161166.7江友华，王春吉，崔昊杨，等.基于振动分析法的变压器故障诊断J.变压器，2021，58(5)：7781.JIANG Youhua，WANG Chunji，CUI Haoyang，et al.Transformer fault diagnosis based on vibration analysisJ.Transformer，2021，58(5)：7781.8杜厚贤，刘昊，雷龙武，等.基于振动信号多特征值的电力变压器故障检测研究J.电工技术学报，2023，38(1)：8394.DUHouxian，LIUHao，LEILongwu，etal.Powertransformer fault detection based on multieigenvalues ofvibration signalJ.Transactions of China ElectrotechnicalSociety，2023，38(1)：8394.9杜劲超.真型变压器局部放电超高频信号传播特性与仿真建模研究D.重庆：重庆大学，2019DU Jinchao.Study on UHF signal propagation characteristics and simulation modeling of partial discharge in realtransformerD.Chongqing：Chongqing University，2019.10 韩宝国，马驰，李静鹏，等.基于DTCWT与LLE算法的变压器局部放电特高频信号特征参数提取方法J电力系统保护与控制，2019，47(20)：6572HAN Baoguo，MA Chi，LI Jingpeng，et al.A featureparameters extraction method of PD UHF signal based onDTCWT and LLE algorithmJ.Power System Protectionand Control，2019，47(20)：6572.11 佘昌佳.变压器局部放电超声波信号分析与定位研究D.南京：东南大学，2019SHE Changjia.Ultrasonic signal analysis and research onlocalization of partial discharge in power transformerD.Nanjing：Southeast University，2019.12 李军浩，韩旭涛，刘泽辉，等.电气设备局部放电检测技术述评J高电压技术，2015，41(8)：25832601LI Junhao，HAN Xutao，LIU Zehui，et al.Review on partialdischarge measurement technology of electrical equipmentJ.High Voltage Engineering，2015，41(8)：25832601.13 刘彦琴，刘君，周波，等.声电联合法在主变局放缺陷定位中的现场应用J高压电器，2018，54(11)：239244.LIU Yanqin，LIU Jun，ZHOU Bo，et al.Field application ofacoustic electrical combination method in the PD defectlocation of main transformerJ.High Voltage Apparatus，2018，54(11)：239244.14 龙剑.基于光纤光栅传感器的变压器卷铁心温度监测方法研究J通信电源技术，2019，36(6)：1113LONG Jian.Research on temperature monitoring method oftransformer coil core based on fiber bragg grating sensorJ.Telecom Power Technologies，2019，36(6)：1113.15 高树国，王学磊，李庆民，等.基于MCD稳健统计分析的变压器油色谱异常值检测及分布特性J高电压技术，2014，40(11)：34773482GAO Shuguo，WANG Xuelei，LI Qingmin，et al.Outliersdetection and distribution characteristics of the transformerDGA data based on MCD robust statisticsJ.High VoltageEngineering，2014，40(11)：34773482.16 沙伟燕，李秀广，何宁辉，等.基于油色谱时频域信息和残差注意网络的变压器故障诊断方法J.电网与清洁能源，2022，38(1)：6675.SHA Weiyan，LI Xiuguang，HE Ninghui，et al.Transformerfault diagnosis method based on oil chromatogram time frequencydomaininformationandresidualattentionnetworkJ.Power System and Clean Energy，2022，38(1)：6675.17 邱志斌，阮江军，黄道春，等.基于电机电流检测的高压隔离开关机械故障诊断J中国电机工程学报，2015，35(13)：34593466QIU Zhibin，RUAN Jiangjun，HUANG Daochun，et al.Mechanical fault diagnosis of high voltage disconnectorbased on motor current detectionJ.Proceedings of theCSEE，2015，35(13)：34593466.18 DREISBUSCH K，KRANZ H G，SCHNETTLER A.Determination of a failure probability prognosis based on PD diagnostics in GISJ.IEEE Transactions on Dielectrics andElectrical Insulation，2008，15(6)：17071714.19 袁蕾，杜林，吴俊美，等.基于模糊隶属函数的变压器多参量故障综合诊断方法J高压电器，2011，47(5)：3542YUAN Lei，DU Lin，WU Junmei，et al.Transformer multiparameter integrated fault diagnosis method based on fuzzymembership functionJ.High Voltage Apparatus，2011，47(5)：3542.20 HUANG Y C，SUN H C.Dissolved gas analysis of mineraloil for power transformer fault diagnosis using fuzzy logicJ.IEEETransactionsonDielectricsandElectricalInsulation，2013，20(3)：974981.21 陈小青，刘觉民，黄英伟，等.采用改进人工鱼群优化粗糙集算法的变压器故障诊断J高电压技术，2012，38(6)：14031409CHEN Xiaoqing，LIU Juemin，HUANG Yingwei，et al.Transformer fault diagnosis using improved artificial fish76swarm with rough set algorithmJ.High Voltage Engineering，2012，38(6)：14031409.22 阮羚，谢齐家，高胜友，等.人工神经网络和信息融合技术在变压器状态评估中的应用J高电压技术，2014，40(3)：822828RUAN Ling，XIE Qijia，GAO Shengyou，et al.Applicationofartificialneuralnetworkandinformationfusiontechnology in power transformer condition assessmentJ.High Voltage Engineering，2014，40(3)：822828.23 李辉，黄祖源，田园，等.基于深度神经网络的变压器故障诊断方法研究J.变压器，2022，59(4)：3540.LI Hui，HUANG Zuyuan，TIAN Yuan，et al.Research ontransformer fault diagnosis method based on deep neuralnetworkJ.Transformer，2022，59(4)：3540.24 ZHENG H B，LIAO R J，GRZYBOWSKI S，et al.Fault diagnosis of power transformers using multiclass least squaresupport vector machines classifiers with particle swarm optimizationJ.IET Electric Power Applications，2011，5(9)：691696.25 叶剑华，杨理.基于和声搜索优化支持向量机的变压器故障诊断J.变压器，2021，58(6)：3337.YE Jianhua，YANG Li.Transformer fault diagnosis basedon harmony search optimized support vector machineJ.Transformer，2021，58(6)：3337.26 邱海枫，苏宁，田松林.改进支持向量机在电力变压器故障诊断中的应用研究J.电测与仪表，2022，59(11)：4853.QIU Haifeng，SU Ning，TIAN Songlin.Research on theapplication of improved support vector machine in powertransformerfault diagnosisJ.Electrical Measurement&Instrumentation，2022，59(11)：4853.27 LIAO Ruijin，ZHENG Hanbo，GRZYBOWSKI S，et al.Anintegrated decisionmaking model for condition assessmentof power transformers using fuzzy approach and evidentialreasoningJ.IEEE Transactions on Power Delivery，2011，26(2)：11111118.28 PURKAIT P，CHAKRAVORTI S.Time and frequency domain analyses based expert system for impulse fault diagnosis in transformersJ.IEEE Transactions on Dielectricsand Electrical Insulation，2002，9(3)：433445.29 国家电网公司生产技术部.输变电设备状态检修技术标准汇编(第二分册)M.北京：中国电力出版社，2011.State Grid Corporation of Production Techn