油浸式变压器是目前电力系统的重要组成设备,承担着电压转换与电能输送的重要任务,其健康、安全、稳定的运行可大大降低电力系统运行风险。运行管理人员需要实时掌握变压器运行状态及其对电网的影响,以便及时有效地消除潜在因素可能导致的失效停运,降低系统运行风险,同时结合故障诊断的实施以缩短停电时间,降低运行成本。变压器在运行过程中,绝缘油中有溶解气体产生。由经验可知,油中气体的含量可反映变压器健康状态,产气速率可反映该状态下器身内部潜伏性故障的发展程度。据此原理,建立适用于电力系统风险评估的变压器时变停运模型。模型首先根据气体含量进行变压器状态划分,并考虑实时修复的影响建立多状态马尔科夫模型,得出故障率基值。同时,基于产气速率建立时变停运指数模型,既体现变压器实时运行特性,又准确反映了变压器内部潜伏性故障的发展情况。通过算例分析对模型进行验证,为系统风险评估提供基础。支持向量机(SVM)适合变压器故障诊断这种小样本分类问题,但其对于核函数及模型参数十分敏感,多核学习可降低模型的参数敏感性。提出了基于BPSO优化的多核学习SVM分类方法(BPSO-MKSVC)进行变压器故障诊断。多核学习支持向量机(MKSVC)采用由多个基核线性组合的多核进行学习,其中每一个基核完成从特定样本空间提取故障特征,通过多面故障特征的线性组合,将学习分类问题转化为相应的凸规划问题进行迭代求解。采用BPSO优化算法对MKSVC中的基核数及模型参数进行优化,实现了参数的自主选择。算例分析表明,模型具有更低的参数敏感性和更好的鲁棒性。在上述理论研究的基础上,结合IDP90综合信息一体化平台开发了输变电设备状态检修软件,主要进行了变压器故障诊断模块的开发,将变压器故障诊断的方法研究与实际应用相结合,通过软件操作展示了方法的实际运用。