关键词： 油中溶解气体分析   变压器故障诊断   支持向量机   堆叠降噪自编码器   混合灰狼优化算法  

摘要： 随着我国电网建设步伐的不断加快,对电网的安全稳定运行提出更高的要求。而变压器在电力系统中发挥着不可替代的作用,其运行状态直接影响着电网供电的可靠性。为了及时而准确地检测出变压器内部的潜伏性故障,尽早解决其运行过程中的故障隐患,应加强对变压器故障诊断方法的研究。现阶段,油中溶解气体分析技术是评估油浸式变压器运行状态的主流方法。在此基础上,本文以提高油浸式变压器故障诊断精度为研究目标,从提升支持向量机(Support Vector Machine,SVM)的分类识别性能和挖掘油中溶解气体数据内蕴含的深层特征信息两方面展开深入研究:(1)针对由SVM进行变压器故障诊断时精度低的问题,提出了基于HGWOSVM的变压器故障诊断方法。为提高灰狼搜索算法的全局寻优能力和泛化能力,采用精英反向学习、非线性控制参数和Levy飞行策略来改进灰狼优化算法并融合自适应权值粒子群算法的位置更新思想来优化灰狼算法的搜索方式,在此基础上提出混合灰狼优化算法(Hybrid Gray Wolf Optimization,HGWO),对SVM的惩罚因子和核参数进行高效寻优,确保SVM具备最佳的分类性能。进而构建HGWO-SVM故障诊断模型,利用实际故障数据作为模型的输入,并与目前常用的变压器故障诊断方法进行对比,结果表明所提方法可以提高变压器的故障识别率,更适用于变压器故障诊断领域,同时也表明改进算法的优越性。(2)针对故障数据间的冗余信息影响诊断效率的问题,提出了基于KPCAHGWO-SVM的变压器故障诊断方法。利用核主成分分析法消除变量间的冗余信息,把降维后的数据输入HGWO-SVM模型进行训练和分类。建立不同的变压器故障诊断模型进行对比实验,结果表明对数据进行特征提取处理可以有效提高诊断精度和计算效率,为后续研究提供理论支持。(3)针对变压器运行过程中产生的无标签样本难以学习利用、Softmax分类器的分类性能不如SVM的效果理想和为了进一步提升变压器故障诊断性能的问题,提出了基于SDAE-HGWO-SVM的变压器故障诊断方法。首先,建立堆叠降噪自编码网络(Stacked Denoising Autoencoders,SDAE)和Softmax分类器结合的特征提取模型,并引入批规范化策略和Dropout机制来进一步优化网络,以此挖掘故障数据的深层次特征。其次,引入HGWO-SVM多分类器,从而构建SDAE-HGWO-SVM变压器故障诊断模型。最后,通过仿真分析可知,SDAEHGWO-SVM模型的故障诊断准确率最高,反映了SDAE的特征提取能力比KPCA的性能好,和SVM的分类效果比Softmax更为优异,充分证明了基于SDAE-HGWO-SVM故障诊断方法的有效性、可行性和优越性。

关键词： 牵引变压器   绝缘材料   分子模拟   物理性能   温度场  

摘要： 牵引变压器在轨道车辆的电力牵引系统中扮演着重要的角色，其长期稳定运行的状态保证了车辆的安全稳定工作。牵引变压器的使用寿命受限于油纸绝缘系统中的固体绝缘寿命，因此针对牵引变压器固体绝缘改性，并采用分子模拟的方法研究改性后的各种物理性能变化具有重要的工程实用价值。　　本文选择在传统纤维素绝缘纸板的制作过程中添加SiO2纳米粒子作为改进方案的基础上，建立并求解了基于分子模拟的改性纤维素绝缘纸板模型，对比分析了纳米SiO2的添加含量、不同老化阶段的含水量对纸板多物理性能的影响，并将分子模拟的结果应用于牵引变压器绝缘性能、导热性能及纸板形变的多物理场仿真分析中，为提升绝缘纸板的性能和使用寿命提供了参考方案。主要研究内容如下:　　首先，确定采用SiO2纳米粒子的改性方案后，建立了SiO2纳米粒子含量依次为0％、3％、5％、7％、9％、11％的改性绝缘纸板分子模型，计算得到了不同SiO2纳米粒子含量下纸板的介电常数、杨氏模量和剪切模量、导热率等多物理性能参数，分析了改性前后纸板的介电性能、机械性能和导热性能的变化。计算结果表明，当SiO2纳米粒子含量为7％时，改性模型各方面物理性能表现最好。　　然后，在采用7％含量的SiO2纳米粒子的改性纤维素绝缘纸板分子模型的基础上，根据绝缘纸板不同老化阶段的含水量建立不同老化阶段的改性和未改性的绝缘纸板分子模型，对比分析不同老化阶段下绝缘纸板介电性能和机械性能的变化趋势。模型求解结果表明，随着含水量的增加，改性前后绝缘纸板的介电性能和机械性能都逐渐下降，相同含水量下改性模型的多物理性能表现更为良好。　　最后，基于COMSOL商用仿真软件建立一台牵引变压器的二维数值仿真计算模型，利用上述分子模拟结果对牵引变压器进行多物理场的仿真计算。基于绝缘纸板改性前后介电常数的变化建立了牵引变压器绝缘电场的仿真模型，分析改性前后绝缘纸板的电场强度。基于绝缘纸板改性前后杨氏模量的变化建立了牵引变压器绕组形变的结构力场仿真模型，分析改性前后纸板的形变情况。基于绝缘纸板改性前后导热率的变化建立了牵引变压器温度场仿真模型，分析改性前后纸板导热性能的变化。仿真结果验证了采用改性绝缘纸板的牵引变压器的多物理性能的优异性。

关键词： 移相变压器   差动保护   电磁暂态模型   差动保护特殊性问题  

摘要： 随着电网区域互联程度的不断提高和特高压交直流远距离输电的广泛应用,网架的复杂度极大增加,由线路负载不均导致的部分线路过载问题日益严重。特别是负荷中心区域220/500k V主干网潮流控制问题十分突出。增设潮流控制器可有效消除线路过载、控制系统有功潮流。移相变压器(Phase shifting transformer,PST)与其他类型的潮流控制器相比,操作便捷、经济性高,具有广阔的应用前景。为充分利用PST的潮流控制能力,保证PST加入网架后能够安全可靠工作,需要研究PST的保护方法。与大型变压器相似,差动保护是PST的主保护。本文主要研究PST的差动保护方法及其特殊性问题。本文以双芯对称结构PST为例,研究了PST的电磁暂态模型和外部等效模型,并在PSCAD/EMTDC平台上建立了含PST系统的电磁暂态仿真模型,提出了PST的差动保护方法和含PST系统的线路差动保护方法。本文还进一步分析了PST结构特殊性、励磁涌流特殊性、档位调节特殊性对PST差动保护的影响,提出了改进后的差动保护。本文主要研究内容如下:(1)本文建立了PST的电磁暂态模型,包括基于绕组结构的PST电磁暂态模型、考虑励磁支路的PST电磁暂态模型。建立了PST的外部等效模型包括PST的相序等效模型、PST的三序等效模型。本文还在PSCAD/EMTDC平台上建立了PST的仿真模型以及含PST系统的仿真模型,仿真模型验证了PST的移相功能和潮流控制功能。(2)本文根据PST的电流关系提出了PST的差动保护方法,对于内外部不同故障,所提6种差动保护均满足可靠性要求。本文还提出了含PST系统的线路差动保护方法,带制动特性的分相差动保护相较于无制动特性的分相差动保护增强了躲过区外故障的能力,提高了差动保护的可靠性和灵敏性。分序差动保护可以提供对系统的可靠保护,故障保护类型与序分量特性有关。但分相差动保护、分序差动保护均不能准确判别故障相。(3)本文分析了PST的结构特殊性、励磁涌流特殊性、档位调节特殊性对PST差动保护的影响。在考虑工程实际的电流互感器(Current Transformer,CT)配置约束后,优化了PST内部CT配置,提出了改进后的PST差动保护,仿真验证了改进后的PST差动保护的可靠性,并检验了改进后的PST差动保护对于匝间故障的灵敏度。研究发现,PST的励磁涌流特性与常规变压器相似,但幅值较低,衰减更快,且负载侧有流通回路。PST的励磁涌流可能会导致差动保护误动,需要采取措施消除励磁涌流对差动保护的影响。PST的档位调节不会引起差动保护误动,但档位过零时刻会引起PST输入侧电流突变,引发差动保护误动,需要保护闭锁躲过此时刻。

关键词： 局部放电   神经网络   精确定位   深度学习  

摘要： 变压器局部放电故障信息收集难、定位不准确,是电力系统多年来的一个难题,本文对电力变压器局部放电的定位问题进行研究并建立变压器局部放电模型,通过深度学习实现变压器局部放电的精确定位。主要研究内容如下:(1)针对无法获取实际变压器局部放电电磁波和超声波数据的问题,本文建立了变压器局部放电实验平台,皆选用变压器放电误差作为局部放电模型,用于测量和采集电磁波和超声波数据,为后续研究变压器局部放电分类和故障定位提供数据支撑,并通过实验测试了所搭建平台的可行性和有效性。(2)针对传统基于CNN模型的变压器局部放电分类方法准确率低的问题,本文基于残差神经网络与密集卷积网络模型提出了一种新的分类方法。相较于传统CNN模型,残差神经网络与密集卷积网络模型具有良好的抗噪声干扰的性能,且在训练数据样本缩小时仍能具备一定的分类精度。通过分析不同网络层数、不同迭代轮数的情况下模型的分类精度,得出残差神经网络与密集卷积网络模型在50层和迭代50次时分类精度达到最优。实验结果表明残差神经网络与密集卷积网络模型均在变压器局部放电分类上的分类准确率达97%以上,相较于传统CNN模型准确率提高10%以上。(3)针对现有用于故障定位任务的机器学习模型未考虑数据相关性的问题,本文提出了一种基于图卷积神经网络与图注意力网络的变压器局放电故障精确定位模型。该模型的体系结构保留了数据之间的相关性,并学习整合来自多个测量单元的数据信息,以一层一层的方式提取和组合特征,有效提高了变压器局部放电精确定位的准确性,通过实验验证了所提方法的准确性和有效性,并测试了在大节点系统下的模型性能。通过数据扰动与丢失两个方面对模型测试了其鲁棒性,实验证明所提出的模型满足变压器局部放电精确定位的任务要求。

关键词： 磁控可调式变压器   拓扑结构   谐波特性   磁场特性   电能质量  

摘要： 随着国家对智能电网战略的提出，新能源并网和电力电子技术得到了发展，使得电压无功不足问题频繁出现，因此电网的安全可靠运行亟需安装一些智能化的调压设备。在配电网中，传统的有载调压变压器由于存在机械分接头，切换开关时会产生电弧;电力电子式有载分接开关虽可以实现灭弧，但是其对调节精度要求特别高且制造成本高。本文提出一种新的磁控可调式变压器拓扑结构，该结构集成了电力变压器和磁控电抗器二者功能于一体，结合磁控电抗器的电抗可调特性，可以实现变压器二次侧电压的无弧平滑调节。　　首先，本文阐述了单相他励和自励磁控可调式变压器的基本拓扑结构和工作原理，重点分析了自励磁控可调式变压器的电磁特性方程，并对其谐波特性和控制特性进行了理论分析。　　其次，在有限元仿真软件ANSYS Maxwell中建立起单相他励磁控可调式变压器的二维结构模型，并搭建相应的外电路，仿真表明他励磁控可调式变压器可以实现电压的无弧平滑调节;接着在Maxwell中又建立单相自励磁控可调式变压器的二维和三维模型，并与Simplorer进行场路耦合联合仿真搭建外电路平台，利用Matlab/Simulink对输出电压谐波含量进行了傅里叶分析，仿真表明自励磁控可调式变压器可以实现输出电压的平滑调节，电压波形良好;对变压器的磁场特性做进一步仿真可知，磁场变化与理论分析相符。　　最后，提出一种三相正交铁芯磁控可调式变压器拓扑结构并进行ANSYS三维模型的建模仿真，利用正交铁芯的交直流磁路彼此分离特性，仿真结果表明三相正交铁芯磁控可调式变压器的输出电压会平滑改变，电能质量高;结合三相正交铁芯柱的磁场变化可知，磁场分布合理，进一步验证了结构模型设计的合理性。

关键词： 麦克风阵列   可听声检测   声学降噪   波束形成  

摘要： 基于声学信号的电力设备监测技术作为一种有效的监测手段，可协助检修人员了解变电设备工作状态，提高检修效率。该技术具有安全可靠、不干扰电力设备的正常运行、不损害待测设备等优点，对于电网的智能化发展具有重要意义。　　由于变电设备声学采集环境的复杂性，单个声学传感器的声音采集质量易受环境的干扰，导致采集信号质量不佳，从而造成对设备运行状态的误判。针对此问题，除了增强降噪算法的效果，还可使用麦克风阵列提升采集质量，本文围绕复杂环境下麦克风阵列实现最佳拾音问题开展了研究和实验验证工作，主要研究工作如下：　　（1）针对谱减法和多窗谱谱减法输出信噪比低的问题，本文对多窗谱谱减法进行改进，将先验信噪比引入增益因子，使用NLMS（NormalizedLeastMeanSquare）自适应算法对含噪音频进行初步降噪，再使用改进多窗谱谱减法做进一步处理，使输出信噪比更高，通过与谱减法、多窗谱谱减法、改进的多窗谱谱减法对比，证明了本文联合去噪算法的优越性与有效性。　　（2）针对多约束条件下阵列优化过程中运算复杂和波束指向固定的问题，提出一种基于混合整数有向差分进化（MixedIntegerDirectedDifferentialEvolution，MIDDE）算法的综合方法。首先，通过几何变换减少优化目标数量，缩小寻优空间，降低运算复杂度;其次，对差分进化（DifferentialEvolution，DE）算法的变异过程引入随机选择与排序策略，提高搜索速度与精度，并改进边界约束处理方式，提高边界搜索能力。最后，用MIDDE算法优化基于正则化稳健超指向波束形成器的目标函数。仿真结果表明，在白噪声增益（WhiteNoiseGain，WNG）受约束的情况下，优化阵列可在宽波束指向角范围内获得较高的方向性因子（DirectivityFactor，DF），且显著高于相同阵元数的规则阵列，该方法可有效提高阵列性能。　　（3）设计完成了以雅特力AT32F413C8T7芯片为核心的拾声阵列采集装置，选择MEMS数字麦克风作为前端采集单元，使用模拟音频对采集系统的性能进行测试。实验数据表明，本文所设计的麦克风阵列与去噪算法可有效去除环境噪声，并保留声信号的频谱特征。

关键词： 多路输出变换器   多绕组平面变压器   交叉调整率  

摘要： 为应对当前人类社会经济不断发展所带来的对电子产品需求的不断增长,以及人类对于个人生活水平的不断追求,种类丰富的电子产品走进人类的日常生活。近年来,例如扫地机器人、网络电视、智能空调等智能家居产品已经成为了大多数家庭密不可分的一部分。随着这些电子产品的智能化,对于能够满足不同电压等级的多路输出辅助电源的需求也在日益递增。研究具有高性能的多路输出辅助电源在此领域具有重要影响。本文以隔离型多路输出DC/DC变换器为研究对象。首先调研了适用于不同工况下的多路输出辅助电源,确定了 Flyback变换器作为本次设计变换器的主电路拓扑。其次,为了提高多路输出变换器的效率以及系统整体的功率密度,分析了 DCM模式下的有源钳位Flyback变换器的工作原理及主要电路参数计算方法。同时对于多路输出变换器存在的交叉调整率的原因及解决方法做了相应的推导并给出了基于漏感优化的约束条件。针对多路输出Flyback变换器存在的交叉调整率和绕组损耗较大这两个热点问题,本文选择在标准形状的平面磁芯下设计多路输出平面变压器。通过优化变压器绕组对以上两个问题进行解决,包括两个方面:绕组宽度厚度优化,多层PCB绕组的最优排布。绕组宽度优化设计利用变宽度绕组设计理论来实现单层绕组的直流绕组阻抗最小,同时根据Dowell一维定理对绕组的最优厚度进行选取,最终设计出满足电流密度要求且具有最低损耗的绕组宽度和厚度。多层PCB绕组的最优排布以副边绕组漏感间的数量关系为约束使其满足交叉调整率更优的要求。为了验证理论设计的合理性。本文首先基于Simplis软件搭建了主电路模型验证硬件电路参数设计合理性;同时采用Maxwell软件搭建了所设计变压器的3D模型,分别对变压器的磁感应强度B,励磁电感Lm及漏感Lk进行了分析,仿真验证了变压器的绕组损耗体现了设计理论合理性;在仿真基础上对所选择的变压器磁芯进行打样,实验测量了励磁电感与漏感值符合理论设计。最后搭建了一台总输出功率30W具有六路输出的多路输出有源钳位Flyback变换器,验证了上述理论分析与优化原则的合理性与正确性。

关键词： 变压器油   甲醇   表面增强拉曼光谱   基底  

摘要： 变压器油中甲醇是油纸绝缘系统降解的重要老化特征物,快速、准确测量甲醇的含量对评估油纸绝缘系统的老化状态具有重要意义。目前检测变压器油中甲醇的方法所需设备复杂、过程繁琐、检测周期长,无法满足现场快速、简便、灵敏检测甲醇的需求。表面增强拉曼光谱（Surface-enhanced Raman spectroscopy,SERS）技术是一种强大的分子光谱检测技术,具有样品制备简单,分析灵敏度较高,检测时间较短等优势,这使其成为一种富有前景的油中老化特征物检测方法。将SERS技术应用于油中甲醇的检测尚属一种新型的研究方法,目前的瓶颈在于高性能表面增强基底的制备及油中甲醇检测下限的提高。针对于此,本文围绕灵敏度高、重复性好的高性能复合基底制备及实现油中较低浓度甲醇的检测展开研究,主要工作如下:（1）基于低温水浴法将Ag纳米颗粒沉积在ZnO纳米花表面,制备了Ag复合ZnO纳米花（Ag composite ZnO nanoflowers,Ag@ZnO NFs）基底。使用X射线衍射、电子显微镜、紫外-可见光吸收光谱、X射线电子能谱等表征手段对制备基底的表面形貌、内部结构、表面状态等进行了分析。ZnO纳米花类似盛开的“莲花”,分枝结构较多,这为Ag纳米颗粒的附着提供了更大的比表面积,易于密集“热点”的构建提高物理增强效果。Ag纳米颗粒仅沉积在ZnO纳米花表面,分布相对均匀。基底中仅含Ag、O和Zn元素,证明基底表面未被污染,拥有较高的纯净度。Ag/ZnO界面的形成为ZnO纳米花与Ag纳米颗粒之间的电荷转移提供了通道,易于电荷转移机制的形成提高化学增强效果。（2）采用罗丹明B作为探针分子测试了复合基底的SERS特性,花状复合基底相较于单一基底和其它形貌基底表现出更高的灵敏度,检测下限低至10 M,增强因子达到了1.2×10～9。优异的灵敏度来源于Ag纳米颗粒在ZnO纳米花优异的几何结构上构建的密集“热点”、费米能级平衡时Ag/ZnO界面上形成的局域电磁场以及Ag、ZnO和探针分子之间构成的“供体-桥-受体”体系的共同作用;基于ZnO出色的光催化特性研究了基底的自清洁能力,同一片基底经过4次重复使用仍可保留大部分SERS活性,具有较好的重复性。（3）验证了变压器油和甲醇分子较低的SERS活性对油中甲醇检测的影响,提出采用液相萃取和衍生化的方式提高微量甲醇检测的灵敏度。进一步使用Ag@ZnO NFs基底研究了甲醇萃取液衍生化后的检测特性,选取825 cm作为SERS特征谱峰,基于最小二乘法建立了特征峰峰面积与甲醇浓度之间的线性函数关系,确定最低检测下限为0.87μg/L;对不同批次制备的6组甲醇衍生溶液SERS检测中,特征峰峰面积对应的相对标准偏差仅为5.41%,具有较高的稳定性;检测方法还表现出较好的抗干扰性,在甲醇、糠醛和丙酮等老化特征物共存的情况下,微量甲醇的检测未受到明显干扰。论文研究为基于SERS方法的变压器油中微量甲醇现场检测奠定了基础。同时,提出的SERS检测方法也适用于其它油纸绝缘老化特征物的检测。

关键词： 变压器   高频电流   在线检测   传播特性   抗干扰   电气定位  

摘要： 高频电流局部放电检测是电力变压器带电检测的重要手段,具有安装实施方便、检测频带宽、灵敏度高和包含信息量大的优点。现有的高频局部放电带电检测主要通过变压器中性点、铁芯和夹件接地线等部位获取信号,无法获得绕组首端的放电信息,难以排除外界共模干扰的影响。此外,由于现场背景噪声中存在高幅值的窄带干扰,严重影响局部放电脉冲信号的有效提取。为此,本文提出了一种基于高频多端同步检测的局部放电定位抗脉冲干扰方法,针对窄带干扰提出了一种融合k-means聚类和峭度改进奇异值分解的自适应干扰抑制方法,研究内容及成果如下:(1)基于110kV三相双绕组实体变压器搭建了高频多端同步检测试验研究平台,利用不同的脉冲注入方式模拟了变压器外部放电干扰、主绝缘放电、纵绝缘放电和内部非绕组放电等情况,研究了相应情况下多端耦合脉冲信号的特征。研究结果表明:依据绕组首端、中性点和外壳检测信号的幅值、极性和频谱能量等信息,可以区分设备外部干扰放电、内部绕组放电和非绕组放电。(2)结合变电站主变的拓扑接线,通过注入双指数脉冲的方式对220kV、500kV变压器开展了大量试验研究,提出了通过变压器临近设备接地线信号代替绕组首端信号进行多端放电定位和抗干扰的方法。基于绕组首末端信号的能比直线法,研究了在线情况下变压器高压引线对多端检测定位的影响,发现高频信号在变压器绕组中的传播特性决定了能比直线的斜率,外部引线则决定了能比直线的截距,进而提出了高频脉冲源定位的修正系数法,结果表明采用该方法可将放电定位误差降低至8%以下。(3)针对变压器高频电流局放信号的周期性窄带干扰问题,提出一种融合k-means聚类和峭度改进奇异值分解的自适应窄带干扰抑制方法。该方法将采样后的离散高频局放信号构造成HANKEL矩阵并进行奇异值分解,通过提取前两个奇异值重构并计算峭度值,即可判断放电信号中是否含有窄带干扰;据此构造奇异值、奇异熵增量和奇异值子集标准差等特征量对其进行三维聚类,通过多参量自动提取窄带干扰奇异值重构实现窄带干扰抑制。研究结果表明:该方法相比现有小波降噪和经验模态分解降噪方法可将实测信号的噪声抑制比提高1.95倍,且实现了现场不同窄带干扰情况下的自适应降噪。(4)研制了基于高频电流多端检测的变压器局部放电定位及抗干扰装置,采用高精度卫星B码同步授时技术实现了多路高频信号的同步采集功能;开发了变压器多端在线监测抗干扰和能比直线定位算法模块,形成了一套完整的变压器高频局放在线监测定位诊断系统。经110kV、220kV主变和±500kV换流变拓扑结构试验测试,本系统运行稳定、定位及抗干扰结果准确。

关键词： 油浸式电力变压器   状态感知   故障诊断   智能算法   组合赋权  

摘要： 油浸式电力变压器在电力系统中的重要角色不仅体现在它的电能转换和传输任务上，还体现在其对电力系统的负载调节、保护以及故障控制等方面的作用，确保其运行在安全稳定工况不仅对整个电网的安全稳定生产具有重大意义，同时也直接关系到人们的生活和工作。然而，长期运行过程中的油浸式变压器会受到来自电、热、机械、化学和环境等诸多因素的影响，从而导致变压器内部出现绝缘老化等故障隐患。因此，对油浸式变压器进行状态感知与故障诊断技术研究，确保其工作在健康状态并在其亚健康状态时对其进行智能故障诊断，对保证变压器不发生重大故障的工程实际意义与社会意义重大。本文以油浸式电力变压器为研究对象，重点研究油浸式电力变压器的状态感知及其故障诊断，本文所做工作如下:　　(1)总结油浸式电力变压器状态感知与故障诊断的研究现状。首先大量查阅了本研究方向的有关文献，从近年我国输变电主要设备可用系数变化情况入手，阐述油浸式电力变压器状态感知与故障诊断研究的研究意义;然后分别叙述了油浸式电力变压器状态感知与故障诊断的研究现状;接着总结了本人在研究中所做工作并以流程图的形式展示了本文的章节逻辑结构;最后总结了全文的创新点。　　(2)搭建了油浸式电力变压器健康状态感知指标体系。首先根据相关经验划分了变压器的等级，并制定了相关的检修策略;接着基于感知体系搭建的基本原则建立变压器的状态感知体系，并对体系中的每一个感知指标进行了详细分析;最后对感知指标进行了量化。　　(3)提出了一种基于灰色聚类与博弈论组合赋权的油浸式变压器健康状态感知方法。本章首先在感知指标中引入了定性指标，使得所建立的油浸式电力变压器状态感知体系更加完整可靠，然后针对单一赋权法的不足，引入层次分析法与改进CRITIC法分别确定感知指标的主客观权重，并由博弈论获得权重系数，使权重计算更加客观和公正;接着建立油浸式变压器健康状态等级灰类及白化权函数，对变压器的健康状态等级进行综合量化感知，并在最大聚类系数准则失效的情况下，根据加权平均原则确定油浸式电力变压器的感知结果;最后通过不同方法的对比分析并以实例进行验证分析，结果表明，本文所搭建的变压器健康状态感知体系能够有效协助有关专家正确判断油浸式电力变压器的真实运行工况，在工程应用方面具有一定的价值。　　(4)提出了一种基于改进哈里斯鹰与优化随机森林的油浸式变压器故障诊断方法。本章利用机器学习模型结合改进的群智能算法诊断油浸式电力变压器的故障。首先对哈里斯鹰算法进行了改进并对其进行了性能验证;接着搭建了油浸式变压器故障诊断模型，模型输入采用油中特征气体的无编码比值，以提升诊断模型的准确性;然后将训练集输入到IHHO-RF模型，得到故障诊断结果，并与HHO-RF、PSO-RF、RF、SVM、BPNN等方法进行对比实验，以证明本章所提故障诊断方法的优越性能;最后，通过20组变压器实测数据验证了所提诊断模型的有效性。