变压器作为常见的电力设备,在电力系统中发挥着核心枢纽作用,变压器安全稳定的运行,关乎整个电网的安全与稳定。长期研究表明,变压器内部的油纸绝缘系统老化状态很大程度上反映了变压器的使用寿命,研究和发展变压器油纸绝缘老化程度的评估方法对变压器的安全使用具有重要意义。变压器内部环境具有高温腐蚀、空间狭小、与外部隔离等特点,变压器老化程度判断多为按经验评估,亟待一种准确有效的评估方法。激光拉曼技术检测变压器油纸绝缘老化具有明显优点,其检测方便快捷,不需要对多种油中特征量分别筛选,光谱图包含变压器的丰富信息,是变压器老化评估的新兴研究方向。在以往的研究中,拉曼老化模型不能很好地判断不同油纸比样本的老化状态,本文对此展开了相关研究:(1)模拟实际变压器运行环境,依据IEEE变压器油加速老化实验标准,制备130℃温度下不同油纸比的多个老化阶段油纸绝缘样本。分析样本绝缘纸聚合度随老化时间的发展规律,对比不同油纸比样本聚合度表现,依据样本聚合度划分老化状态。(2)研究了适合不同油纸比样本分析的拉曼检测平台优化方案。对比不同参数下样本拉曼光谱的数据表现,选取能够最大程度展示不同样本之间差异化的仪器特性参数。在250mW激光功率、0.5s积分时间环境下,拉曼光谱数据信息完整,对比清晰,便于后续研究。(3)使用多维缩放法对拉曼光谱数据进行降维,提取拉曼光谱数据的特征成分。相比于以往拉曼光谱特征提取方法,本方法对不同油纸比样本有更为有效的特征提取。计算结果显示,单一油纸比样本提取出4个特征成分时累计贡献率超过95%;混合油纸比样本提取出5个特征成分,其累计贡献率为95.32%。多维缩放法对不同油纸比样本的特征提取结果较为相似,保证了特征成分的可靠与稳定,分析了光谱特征成分与传统老化特征量的潜在关系。(4)依据得到的特征成分特点,构建改进BP神经网络及改进KNN老化评估模型,数据结果表明,单一油纸比样本的评估在改进BP神经网络模型中准确度高于92%,但对于S1、S4老化阶段具有明显偏向性;混合油纸比样本不适合用改进BP神经网络模型评估;改进KNN算法对不同试验组样本的评估准确率比较稳定,对单一油纸比样本准确率分别为92%、93%,混合油纸比样本准确率为91.5%,适合拉曼光谱老化评估。最后进行了传统老化检测量与老化模型评估结果的对比分析,验证了拉曼光谱老化评估模型的可行性、可靠性与准确性。