第41卷第1期：1-7 高电压技术V ol.41, No.1: 1-7 2015年1月31日High V oltage Engineering January 31, 2015 DOI: 10.13336/j.1003-6520.hve.2015.01.000
基于油色谱分析的变压器复合绝缘缺陷多指标综
合权重评估方法
王学磊1，李庆民2，杨芮2，高树国3
（1. 山东大学电气工程学院山东省特高压输变电技术与气体放电重点实验室，济南250061；
2. 华北电力大学高电压与电磁兼容北京市重点实验室，北京102206；
3. 国网河北省电力公司电力科学研究院，石家庄050021）
摘 要：实际中电力变压器的绝缘缺陷往往是多种缺陷类型的复合，且存在不确定性和模糊性，而现有诊断方法往往无法有效的进行复合绝缘缺陷的诊断和严重程度评估。因而引入模糊理论，结合实际绝缘缺陷案例，研究了变压器复合绝缘缺陷严重程度的评估方法。首先基于油色谱综合诊断方法，采用模糊向量改善判据编码边界的绝对化问题，引入模糊逻辑实现复合绝缘缺陷的模糊综合诊断，从而提出了表征绝缘缺陷发生可能性大小的发生概率权重；然后，根据复合绝缘缺陷的模糊综合诊断方法统计分析实际变压器缺陷案例，提出了表征各缺陷类型诊断准确率差异的可靠性权重；最后，综合发生概率权重、可靠性权重等信息，建立了多指标综合权重评估变压器复合绝缘缺陷严重程度的新方法。实例分析表明，与传统诊断方法相比，基于多指标综合权重的评估方法正确率高达91.7%，具有更高的准确度与可靠性，可取得较好的应用效果。
关键词：变压器；油中溶解气体分析；复合缺陷；发生概率权重；可靠性权重；模糊逻辑
Multi-index and Comprehensive Weighted Assessment Method for Transformer Compound Insulation Defects Based on Dissolved Gases Analysis
WANG Xuelei1, LI Qingmin2, YANG Rui2, GAO Shuguo3
(1. Shandong Provincial Key Laboratory of UHV Transmission Technology and Gas Discharge Physics, School of Electrical Engi-
neering, Shandong University, Jinan 250061, China; 2. Beijing Key Laboratory of High V oltage and EMC, North China Electric Power University, Beijing 102206, China; 3. State Grid Hebei Electric Power Research Institute, Shijiazhuang 050021, China)
Abstract：In practice, insulation defects in power transformers are usually combination of various different fault types.
Accompanied by uncertainty and fuzziness, the compound insulation defects could not be effectively diagnosed and eva-luated by present diagnostic approaches. In order to investigate the assessment method of the severity degree of complex insulation defects, fuzzy theory is introduced incorporated with field cases of insulation defects in this work. Firstly, based on oil chromatogram comprehensive diagnosis methods, fuzzy vectors are used to improve the absolute problem of crite-rion boundaries and fuzzy logics are applied to achieve fuzzy comprehensive diagnosis for compound insulation defects, resulting in the proposition of the occurrence probability weight to stand for the possibility of insulation defect happening.
Secondly, by analyzing practical transformer defects with fuzzy comprehensive diagnostic method, the reliability weight is presented to stand for the diagnosis accuracy for different defect types. Finally, considering both occurrence probability weight and reliability weight, a severity assessment method with multi-index and comprehensive weight for transformer compound insulation defects is established. Practical cases verification of transformer faults show that, compared with the traditional dissolved gases analysis (DGA) methods, the new proposed method can acquire better application effects and has an accuracy reached up to 91.7%, which proves higher accuracy and reliability.
Key words：transformer; dissolved gases analysis; compound defects; the occurrence probability weight; the reliability weight; fuzzy logic
———————
基金资助项目：国家自然科学基金(51477051)；北京市自然科学基金(3142018)。
Project supported by National Natural Science Foundation (51477051), Beijing Natural Science Foundation(3142018).
2 高电压技术 2015,
41(1)
0引言
随着我国电力工业的迅速发展，电力变压器作为输变电的关键设备，正朝着超高压、大容量的方向发展，一旦发生绝缘缺陷，将导致巨大的经济损失。因此准确有效地评估变压器的运行状态，特别是及时发现内部存在的绝缘缺陷，不仅可以避免缺陷的发生，而且对于延长变压器的使用寿命，实现其状态维修具有重要意义[1-3]。
对于变压器运行状态的评估方法，主要包括油色谱分析、介质损耗检测、绕组阻抗、绕组变比测量、温度监测等传统方法，以及局部放电、返回电压、调压装置在线监测、内部温度测量、在线功率因数测量、绕组位移变形测量等非传统方法[4-6]。其中，以油色谱分析方法准确性最高，而且该方法无需停电试验，便于实现在线监测，我国DL/T596–96《电气设备预防性试验规程》将油中溶解气体分析法(dissolved gases analysis，DGA)列为油浸电力变压器试验项目的首位[7]。特别是随着变压器状态在线监测要求越来越高，以溶解气体分析为主并引入其它各种智能技术，如证据理论[8]、遗传算法[9]、小波分析[10]、信息融合[11]、模糊逻辑[12]等，进行在线状态评估，受到众多学者的青睐。采用油色谱在线分析技术对变压器内部绝缘缺陷进行严重程度评估，通常是基于油色谱诊断的结果，将运行状态划分为若干等级。W. H．Tang等学者基于油色谱数据，采用证据推理，首先得出过热和放电状态，进而再次采用证据推理得出变压器的综合状态[13]。文献[11]基于信息融合的思想，综合利用气体的浓度、比值等特征信息，并进行分层融合，实现变压器绝缘缺陷诊断和状态评估。虽然上述方法对于变压器内部单一绝缘缺陷类型的诊断及分级评估取得了比较好的效果，然而，电力变压器是一个复杂系统，实际中绝缘缺陷往往是多种缺陷类型的复合，而且存在不确定性和模糊性，仅采用上述方法无法进行复合缺陷分析。
为此，本文在油色谱诊断的基础上，综合考虑复合绝缘缺陷类型发生的概率、诊断方法的可靠性等信息，形成了多指标综合权重的变压器复合绝缘缺陷严重程度评价方法。
1 单一绝缘缺陷类型的严重程度评估
传统的变压器绝缘缺陷诊断方法，如Rogers 法[14-15]、IEC三比值法等[16-17]将内部缺陷分为过热
和放电2大类，按照严重程度，过热缺陷可分为低
温、中温和高温过热，放电可分为局部放电、低能
和高能放电，此种分类方式并未考虑每一种缺陷类
型内部严重程度的区别，而且边界过于绝对化，依
此对应划分的运行状态等级一般是阶梯状，具有突
变性，如图1所示。通过分析诊断正确率较高的三
比值法判据发现，对于过热缺陷，随着缺陷严重程
度的增加（即低温—中温—高温），C2H4/C2H6比值
(用
2426
C H/C H
ρ表示)也是逐渐增大，2者有很好的正
相关性，如表1所示。为体现单一缺陷类型内部严
重程度的不同以及避免边界突变带来的阶梯问题，
本文建立如下线性评估函数关系，即
20,05
100,5
x x
y
x
≤≤
?
=?
>
?
(1) 式中：y表示评估结果，采用百分制表示，分值越
大表示绝缘缺陷越严重；x为
2426
C H/C H
ρ。基于此评
估方法，过热各阶段严重程度评估如图1中曲线所
示。通过计算
2426
C H/C H
ρ，代入式(1)便可得到评估分
图1 绝缘缺陷传统评估与函数评估比较
Fig.1 Comparison of traditional and functional evaluation
for defects
表1 IEC三比值法诊断判断表
Table 1 Diagnosis decision table for IEC ratio method
序号绝缘缺陷性质
比值范围编码
2224
C H/C H42
CH/H2426
C H/C H
0无缺陷 0
1低能量密度的局部放电 0 1 0
2高能量密度的局部放电 1 1 0
3低能量的放电1→2 0 1→2
4高能量的放电 1
2
5<150°C的过热缺陷 0 0 1
6150~300 °C低温过热缺陷0 2 0
7300~700 °C中温过热缺陷0 2 1
8>700 °C高温过热缺陷 0 2 2
注：
2224
C H/C H
ρ、
42
CH/H
ρ、
2426
C H/C H
ρ分别表示C
2
H2/C2H4、CH4/H2、
C2H4/C2H6比值
王学磊，李庆民，杨 芮，等：基于油色谱分析的变压器复合绝缘缺陷多指标综合权重评估方法 3
数，根据分数的大小判断过热缺陷的严重程度。同时由表1可见，放电缺陷的严重程度(局部放电?低 能放电?高能放电)与2426C H /C H ρ也具有正相关性，因 此，对于放电缺陷严重程度的评估，上述方法依然适用。
2 基于综合权重的复合绝缘缺陷严重程度评估
实际中变压器内部绝缘缺陷是由于机械、电、热等作用联合造成的
[18]
，缺陷类型往往较为复杂，
即多种缺陷类型的复合，此时仅凭上述单一缺陷严重程度评估方法无法完成，需要对多缺陷类型进行综合评估。由于变压器各绝缘缺陷指标在状态评估中所起的作用不同，而权重分配是对各指标相对重要程度的一种主观量度的客观反映，因此合理、准确地对各指标赋予权重是准确、客观地对变压器的状态进行评估的前提。在确定指标权重过程中，通常按照各个指标提供状态信息的多少、灵敏度的大小以及其对安全的影响程度来综合考虑指标的相对重要程度。因此，本文在综合考虑复合绝缘缺陷的发生概率、诊断方法的可靠性等信息下，形成了多指标综合权重的变压器内部绝缘缺陷严重程度评估方法。
2.1 基于模糊逻辑的绝缘缺陷发生概率权重
文献[11]基于信息融合的思想，综合利用气体的浓度、比值等特征信息，提出了变压器绝缘缺陷综合诊断新方法，其比值与编码对应规则如表2所 示，表2中，r 1=2224C H /C H ρ，r 2=42CH /H ρ，r 3=2426C H /C H ρ， r 4=r 3/r 1。编码组合与缺陷类型的对应如表3所示。诊断的主要过程为：先对比值按照取值区间进行0，1，2的编码，然后按照不同的编码对应于不同的绝缘缺陷类型进行诊断。
虽然变压器绝缘缺陷综合诊断新方法的诊断正确率较传统诊断方法高，但与传统的绝缘缺陷诊断方法一样，由于其判据编码的边界具有绝对性，导致在诊断时仅能识别一种缺陷类型，结论为是或不是，对于复合缺陷的情况，无法给出满意的结论。为此，本文在之前工作的基础上，将诊断判据边界模糊化，引入模糊向量替代原有的编码规则，实现模糊多值复合绝缘缺陷诊断，诊断结果以概率形式表示，其大小表征了缺陷发生的可能性指标，即发生概率权重。
为了改善非此即彼的绝对化判断，首先将比值
表2 综合诊断方法比值编码规则
Table 2 Coding rules of ratios for comprehensive diagnosis
method
气体比值范围
比值编码
气体比值 范围
比值编码
r 4
r 1
r 2
r 3
(0，0.1) 0 1 0
(0，1.5] 0
[0.1，1) 1 0 0 [1，3) l 2 1
(1.5，∞) 1
[3，∞) 2 2 2
表3 编码组合与绝缘缺陷类型的对照表
Table 3 Comparison table between codes combinations and
defect types
编码组合
绝缘缺陷类型 r 1
r 2
r 3
r 4
0 1 0,1,2 0,1F1：局部放电 0 0 1 0,1F2：低温过热(<300 ℃) 0 2 0 0,10 2 1 0,1F3：中温过热(300~700 ℃) 0 0,2 2 0,1F4：高温过热(>700 ℃)
2 0,1,2 0,1,2 0,1F5：火花放电
1 0 1 0 1 0 1 1 F6：电弧放电 1 0,1,
2 0,2 0,11 1,2 1 0,1
0，1，2编码边界模糊化，对边界的上升沿和下降沿分别采用半Cauchy 升降函数表示，即
d 2
11()1()r A
r A r a μ , ≤???=?, ??+??
其它 (2)
a 211()1()r A r A r a μ ≥???=? ??+??
其它 (3)
式中：r 为气体含量比值；d ()r μ为下降沿函数；
a ()r μ为上升沿函数，A 为边界参数；a 为分布参数。 据此，每个比值的模糊编码规则均可根据式(2)、(3)通过与、或逻辑的方式得到。例如比值r 3，当编码为2时，可采用半Cauchy 上升沿函数表示，如图2所示；当比值r 3的编码为1时，即可采用半Cauchy 上升沿函数与下降沿函数的与逻辑表示。
最终，将原诊断方法中与、或逻辑分别改为最小值、最大值逻辑，即将原来需同时满足才成立的情况用最小值(min)代替，将需要满足其中之一成立
4 高电压技术 2015,
41(1)
的情况用最大值(max)代替，此时诊断的结果为模糊多值形式表示。例如原综合诊断方法表3中的缺陷类型3，它表示4个比值r1、r2、r3、r4的编码分别为0、2、1、1(或0)时，绝缘缺陷类型为300~700 ℃中温过热，需编码同时满足，当任意一个编码不满足时，缺陷类型便不成立。当采用最大最小值逻辑后，诊断结果为min[code0(r1), code2(r2), code1(r3)]，表示满足r1、r2、r3的编码分别为0、2、1成立的最小值即为该缺陷类型发生的概率，其中，code j(r i)表示比值r i编码为j时概率。对于表3中综合诊断方法的编码组合与缺陷类型的对应关系，采用模糊逻辑处理之后的对应如表4所示。此时诊断结果实际为概率形式，其表征了缺陷发生的可能性，在缺陷评估中可据此明确各缺陷的发生概率，即缺陷发生概率的权重。
2.2 诊断方法可靠性权重
统计分析表明，油色谱各诊断方法对不同绝缘缺陷类型的诊断存在差异性，即使同一种方法诊断不同的缺陷类型其准确率也有较大差异[19-21]。考虑到诊断方法的准确性对最终缺陷严重程度的评估效
图2 r3=2时边界模糊前后编码对比(图中0为逻辑判断不成
立，1为成立)
Fig.2 Codes comparison before and after fuzzy logic for
r3=2 where 0 is false and 1 is true 果具有重要的影响，为此，本文引入诊断方法的可靠性权重来表征诊断各缺陷类型准确率的差异。上述模糊综合诊断是目前诊断准确率较高的一种方法，为此采用该方法对实际的变压器绝缘缺陷案例进行诊断分析。统计各缺陷类型诊断的准确率，并依此作为表征各缺陷类型可靠性诊断的权重大小。所分析缺陷案例来自于南方电网、福建电网、华北电网等全国范围内的实际运行案例，根据电网运行记录，所有案例均经吊芯核实过，搜集到的全部案例共计6种类型619例，包括：局部放电26例，火花放电73例，高能电弧放电176例，高温过热290例，低温过热20例，中温过热34例，各缺陷类型的诊断可靠性如表5所示。
2.3 复合绝缘缺陷综合权重评估
本文在综合考虑复合绝缘缺陷类型发生概率权重、诊断可靠性权重的同时，进行归一分析，得到综合权重系数为
表4 模糊综合诊断对照表
Table 4 Comparison table for fuzzy comprehensive diagnosis 序号缺陷性质模糊诊断结果p i
1 局部放电 min[code0(r1), code1(r2)]
2 低温过热
max{min[code0(r1), code0(r2), code1(r3)],
min[code0( r1), code2(r2), code0(r3)]}
3 中温过热 min[code0(r1), code2(r2), code1(r3)]
4 高温过热
max{min[code0(r1), code0(r2), code2(r3)],
min[code0(r1), code2(r2), code2(r3)]}
5 火花放电
max{code2(r1), min[code1(r1), code0(r2), code1(r3),
code0(r4)]}
6 电弧放电
max{min[code1(r1), code0(r2), code1(r3),
code1(r4)], min[code1(r1), code0(r3)],
min[code1(r1), code2(r3)], min[code1(r1), code1(r2),
code1(r3)], min[code1(r1), code2(r2), code1(r3)]}
表5 各缺陷类型诊断可靠性统计表
Table 5 Statistical table of diagnostic reliability for defect
types
缺陷
类型
低温
过热
中温
过热
高温
过热
局部
放电
火花
放电
电弧
放电
可靠性权
重/%
30 73.5 92.1 65.4 64.4 84.1
王学磊，李庆民，杨 芮，等：基于油色谱分析的变压器复合绝缘缺陷多指标综合权重评估方法 5
1
i i
i n
j j
j F R w F R =?=
?∑ (4) 式中：
w i 为归一化后第i (i =1, 2, …, 6)种缺陷类型的综合权重；
R i 为第i 种缺陷类型的诊断可靠性权重，R j 为第j 种缺陷类型的诊断可靠性权重，从表5查出；p i 为第i 种缺陷类型的发生概率权重，通过模糊综合诊断方法求得，如表4所示。
对于复合绝缘缺陷，根据以上得到的综合权重系数，再结合每一缺陷类型单一诊断的严重程度评估，便可得到复合缺陷的严重程度评估指标，即
n
i i i E w y ==?∑ (5) 式中：E 为复合绝缘缺陷的严重程度评估分值；y i 为第i 类缺陷类型单一诊断的严重程度，其值可根据隶属度原则并结合式(1)求得。即，对于第i 类缺陷类型，三比值法比值x =ρC2H4/C2H6的上下限分别为x L 和x H ，若x L ≤x ≤x H ，则y i 代入式(1)求得；若x
综上所述，复合绝缘缺陷严重程度评估的主要流程为：
（1）首先根据模糊综合诊断算法，计算得到各缺陷的发生概率p i ；并通过查表5获得各缺陷诊断的可靠性权重R i ；
（2）根据式(4)计算得到综合权重系数w i ； （3）根据式(1)计算每一缺陷类型单一诊断时的评估分数y i ；
（4）最终根据式(5)计算得到复合缺陷的严重程度评估分值E 。
3 案例分析
采用本文提出的复合绝缘缺陷综合权重评估方法，已对河北省电力公司12台变压器进行了绝缘缺陷严重程度分析，评估结果与吊芯检查结论如表6所示。由表6中数据可见，案例1?11的评估结果与变压器吊芯检查的故障类型均比较一致，且其评估分值在50分以上，属于比较严重的绝缘缺陷，且与检查结果也一致，该方法的正确率达91.7%。
本文以河北沧州供电公司某220 kV 变电站2号主变压器为例介绍该方法的应用。该台变压器2006年投入运行，2011-10-20在例行油色谱试验中发现乙炔含量突增，怀疑内部存在放电缺陷，之后进行连续的油色谱监测并进行评估分析，色谱主要
表6 变压器案例复合绝缘缺陷评估结果
Table 6 Assessment results of compound insulation defects
for transformer cases
案例序号
发生概率p i 评估分值E
吊芯结论
F1
F2
F3
F4
F5
F6
1 0 0 0 0 0.095 0.905 69.7 胶垫致悬浮放电
2 0.14
0 0 0 0.85 0.01 54.86
套管均压帽脱落
致悬浮放电
3 0.08
0 0.02
0 0.9 0 56.76 一次切换器接触
不良有严重放电
烧蚀斑痕
4 0 0 0 0 0.007 0.993 89.78 匝间短路
5 0 0 0 0 0.064 0.935 88.00 BC 相铁芯接地铜片和压环接地
铜片烧损
6 0 0.0010 0.1040.001 0.894 75.2
7 匝间短路 7 0 0.001
0 0.9980.001 0 89.94
分接开关接触不良
8 0 0 0.18
0.8
0.002 0 83.86
分接开关接触
不良
9 0 0.040.9260.034
0 0 59.93
导电异物掉入油
道，使铁芯与铁
轭短路形成多点
接地
10 0 0.0030.9270.0690.001 0 60.82
异物进入油道，
引起环流 11 0.0030.4760.4760.0240.001 0 51.87
分接略有烧毛；
绝缘老化 12 0 0.0470.9360.0160.001 0 30.42
下铁轭紧固螺丝
松动
数据如表7所示。应用模糊综合诊断方法进行绝缘缺陷的发生概率分析发现，内部缺陷主要是火花放电缺陷，后期有劣化趋势，结果如图3所示。最终复合缺陷综合权重评估的分值如图4所示，发现在2012-03-04绝缘缺陷的评估分值迅速增大，达到了70分以上，表明绝缘缺陷的严重程度已属于较严重，需立即停运检修。因此，2012-04-28供电公司对该台变压器进行了吊罩检查，发现A 相中部固定分接引线的支架上有脱落的胶垫导致严重放电的痕迹，如图5所示。分析原因可能为：A 相中压侧升高座底部法兰胶垫未完全放进密封槽内，出现部分胶垫咬边现象，随着时间的推移，该部分胶垫老化脱落，掉落在A 相中部固定分接引线的支架上。由于胶垫为半导电性质，处于高压与低压电极间并按其阻抗形成分压，在胶垫上产生悬浮电位，胶垫两头附近场强较集中，在此发生放电，后期发展严重。
6 高电压技术 2015,
41(1) 表7 220 kV变电站变压器油色谱监测数据
Table 7 Monitoring data of oil chromatography gases for
transformer in 220 kV substations
试验日期
体积分数/10?6
H2 CH4C2H6C2H4C2H2总烃
2011-10-20 31.33 10.52 1.98 4.01 6.09 22.60 2011-10-28 32.77 10.22 1.52 3.63 6.11 21.48 2011-11-03 41.36 11.08 1.75 4.01 6.21 23.05 2011-11-10 36.40 11.29 1.79 3.84 6.03 22.95 2011-11-18 37.80 10.98 1.81 3.85 6.10 22.74 2011-11-24 34.24 10.10 1.54 3.80 6.19 21.63 2011-12-01 39.94 11.77 1.88 4.36 6.38 24.39 2011-12-05 38.10 11.56 1.92 4.75 7.31 25.54 2011-12-12 35.50 10.73 1.94 4.32 7.23 24.22 2011-12-19 35.13 11.27 1.87 4.48 7.22 24.84 2011-12-23 36.81 10.82 1.76 4.30 6.88 23.76 2012-02-21 35.47 11.41 1.89 4.11 5.87 23.28 2012-03-19 33.82 10.90 1.90 4.40 7.20 24.40 2012-03-21 34.90 10.90 2.33 5.09 7.61 25.93 2012-04-25 78.00 17.20 3.71 12.10 27.8060.81 2012-04-26 79.9 17.30 3.66 12.90 31.4065.26
4 结论
1）本文在油色谱综合诊断方法的基础上，提出了表征绝缘缺陷发生可能性大小的发生概率权重和表征各缺陷类型诊断准确率的差异的可靠性权重。引入模糊向量替代原有的编码规则，改善了判据编码的边界绝对化问题，对边界的上升沿和下降沿分别采用半Cauchy升降函数表示，基于模糊逻辑实现了复合绝缘缺陷的模糊多值综合诊断，其诊断结果以概率形式表示，大小可表征缺陷发生的可能性，即发生概率权重。根据模糊综合诊断方法统计分析实际的变压器绝缘缺陷案例，以各缺陷类型诊断的正确率作为诊断方法的可靠性权重。
2）对于单一绝缘缺陷类型，引入线性评估函数模型，其值可根据隶属度原则确定，可体现单一缺陷类型内部的严重程度的不同以及避免边界突变带来的阶梯问题。
3）综合考虑复合绝缘缺陷类型发生的概率、诊断方法的可靠性等信息，将原诊断方法中与、或逻辑分别改为最小值、最大值逻辑，形成了多指标综合权重的变压器复合缺陷严重程度评价方法，可定量评估绝缘缺陷的严重程度，在实际案例中正确率达91.7%，取得了较好的应用效果。
图3 模糊综合诊断结果
Fig.3 Diagnostic results of fuzzy comprehensive method
图4 复合绝缘缺陷综合权重评估结果
Fig.4 Assessment results of multiple insulation defects com-
prehensive weighted method
图5 脱落的胶垫导致放电的痕迹
Fig.5 Trace of discharges caused by dropped rubber mat
参考文献 References
[1]仲元昌，万能飞，夏艳，等. 基于油气参数分析的电力变压器故
王学磊，李庆民，杨芮，等：基于油色谱分析的变压器复合绝缘缺陷多指标综合权重评估方法 7
障分步式诊断算法[J]. 高电压技术，2014，40(8)：2279-2284.
ZHONG Yuanchang, WAN Nengfei, XIA Yan, et al. Distributed diag-
nosis algorithm for transformer fault by dissolved gas-in-oil parameters analysis[J]. High V oltage Engineering, 2014, 40(8): 2279-2284.
[2]操敦奎. 变压器油色谱分析与缺陷诊断 [M]. 北京：中国电力出版
社，2010：83-94.
CAO Dunkui. Transformer oil chromatographic analysis and fault di-
agnosis [M]. Beijing, China: China Electric Power Press, 2010: 83-94.
[3]张川，王辅. 光声光谱技术在变压器油气分析中的运用[J]. 高
电压技术，2005，31(2)：84-86.
ZHANG Chuan, WANG Fu. Application of photo-acoustic spectros-
copy technology to dissolved gas analysis in oil of oil-immersed power transformer[J]. High V oltage Engineering, 2005, 31(2): 84-86.
[4]Wang M, Vandermaar A J, Srivastava K D. Review of condition as-
sessment of power transformers in service[J]. IEEE Electrical Insulation Magazine, 2002, 18(6): 12-25.
[5]赵文清，李庆良，王德文. 基于多模型的变压器故障组合诊断研究
[J]. 高电压技术，2013，39(2)：302-309.
ZHAO Wenqing, LI Qingliang, WANG Dewen. Combinational diag-
nosis for transformer faults based on multi-models[J]. High V oltage Engineering, 2013, 39(2): 302-309.
[6]郑书生，陈金祥，李成榕，等. 变压器绕组对局部放电特高频定位
方法的影响[J]. 高电压技术，2013，39(2)：324-329.
ZHENG Shusheng, CHEN Jinxiang, LI Chengrong, et al. Influence of windings on locating partial discharge in transformers by using ul-
tra-high frequency method[J]. High V oltage Engineering, 2013, 39(2): 324-329.
[7]GB-T7252—2001 变压器油中溶解气体分析和判断导则[S]，2001.
GB-T7252—2001 Guide to the analysis and the diagnosis of gases dissolved in transformer oil[S], 2001.
[8]Zhang Y, Ding X, Liu Y, et al. An artificial neural network approach to
transformer fault diagnosis[J]. IEEE Transactions on Power Delivery, 1996, 11(4): 1836-1841.
[9]Arakelian V G. The long way to the automatic chromatographic analy-
sis of gases dissolved in insulating oil[J]. IEEE Electrical Insulation Magazine, 2004, 20(6): 8-25.
[10]Huang Y C. A new data mining approach to dissolved gas analysis of
oil-insulated power apparatus[J]. IEEE Transactions on Power Deli-
very, 2003, 18(4): 1257-1261.
[11]Wang X L, Li Q M, Li C R. Reliability assessment of the fault diagno-
sis methodologies for transformers and a new diagnostic scheme based on fault info integration[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2013, 20(6): 2292-2298.
[12]Su Q, Mi C, Lai L L, et al. A fuzzy dissolved gas analysis method for
the diagnosis of multiple incipient faults in a transformer[J]. IEEE Transactions on Power Systems, 2000, 15(2): 593-598.
[13]Tang W H, Spurgeon K, Wu Q H, et al. An evidential reasoning ap-
proach to transformer condition assessments[J]. IEEE Transactions on Power Delivery, 2004, 19(4): 1696-1703.
[14]Arakelian V G. Effective diagnostics for oil-filled equipment[J]. IEEE
Electrical Insulation Magazine, 2002, 18(6): 26-38.
[15]Rogers R R. IEEE and IEC codes to interpret incipient faults in trans-
formers, using gas in oil analysis[J]. IEEE Transactions on Electrical Insulation, 1978 (5): 349-354.
[16]Duval M. The Duval triangle for load tap changers, non-mineral oils
and low temperature faults in transformers[J]. IEEE Electrical Insula-
tion Magazine, 2008, 24(6): 22-29. [17]Duval M. A review of faults detectable by gas-in-oil analysis in trans-
formers[J]. IEEE Electrical Insulation Magazine, 2002, 18(3): 8-17. [18]Saha T K. Review of modern diagnostic techniques for assessing
insulation condition in aged transformers[J]. IEEE Transactions on Di-
electrics and Electrical Insulation, 2003, 10(5): 903-917.
[19]Abu-Siada A, Islam S. A new approach to identify power transformer
criticality and asset management decision based on dissolved gas-in-oil analysis[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2012, 19(3): 1007-1012.
[20]Miranda V, Castro A R G. Improving the IEC table for transformer
failure diagnosis with knowledge extraction from neural networks[J].
IEEE Transactions on Power Delivery, 2005, 20(4): 2509-2516. [21]Ma H, Saha T K, Ekanayake C. Statistical learning techniques and
their applications for condition assessment of power transformer[J].
IEEE Transactions on Dielectrics and Electrical Insulation, 2012, 19(2): 481-489.
WANG Xuelei
Ph.D.
王学磊
1986—，男，博士
主要从事变压器缺陷诊断研究工作
E-mail: jiafeimao11111@https://www.doczj.com/doc/5d14389697.html,
LI Qingmin
Ph.D., Professor
李庆民
1969—，男，博士，教授，博导
主要从事高电压与绝缘技术等领域的研究工作YANG Rui
杨 芮
1990—，男，硕士生
主要从事变压器缺陷诊断研究工作
GAO Shuguo
Senior engineer
高树国
1982—，男，硕士，高工
主要研究方向为电气设备状态检测与故障诊断收稿日期 2014-09-11修回日期 2014-10-07编辑 卫李静