安全可靠的发电、输电、变电、供电体系是整个电力系统正常运行的保障。变压器又是这一系列环节中的基石,无论哪个环节都离不开变压器的存在。如何让变压器能够可靠的、稳定的运行是至关重要的,因为整个电力系统的安全稳定运作很大部分将依赖其能否健康运行。因此怎么能及时有效的发现变压器是否正常工作是问题的关键,此时在线监测变压器的运行状态将会提供一个很好的解题思路。为此在大量查阅变压器的相关文献、书籍、说明书、故障报告、检修资料之后,系统的了解了电力变压器的内部结构以及故障的种类和原因。并对其内部故障时会产生的特征气体进行了分析研究,掌握了其中的物化机理,对于不同的特征气体可能对应的内部故障类型做了详细的了解。深入的学习了传统的检测方法以及最新的智能数学故障诊断方法。结合本人工作实际,本文提出了一种融合多种理论的变压器故障诊断方法可以在线实时诊断电力变压器的运行状态并判断其内部是否存在故障。具体内容如下:(1)简单的阐述了电力变压器故障诊断在经济与生产安全中的重要性,并分别介绍了国内与国外在电力变压器故障诊断技术中的研究现状和应用前景。简单的介绍了三大类方法(传统的方法、智能方法、数学方法)普遍应用于电力变压器故障的诊断。最后阐述变压器故障诊断日后发展的最新趋势。(2)详细阐述了电力变压器绝缘结构特性、电力变压器故障的种类和分类、电力变压器内部常见故障与油中溶解气体对应关系。由此提出油中溶解气体的故障诊断法,并简单介绍了其中的特征气体分析法、改良三比值法、大卫三角分析法。并对改良三比值法进行深度的分析研究。(3)基于油中溶解气体含量与不同故障之间联系的基础上,对于三比值法在分界点处存在一定的模糊性,将采用模糊数学技术处理改良三比值法中的边界点模糊性。然后以此为基础建立了基于改良三比值法的模糊综合评判法,并通过大量故障样本来验证此故障诊断模型的有效性。(4)基于改良三组比值法中三组气体比值编码与故障类型一一对应的基础上,将改良三比值法中的五组特征气体含量数值作为人工神经网络的输入,变压器内部故障的类型(本文分为五大类故障)作为其输出。考虑到人工神经网络本身具有的自我学习、并行处理、自适应能力、鲁棒性、非线性映射和自适应等优点,因此利用两个目前最普遍的神经网络(BP神经网络和RBF神经网络),构造了两组基于各自神经网络的电力变压器故障诊断模型,并利用MATLAB软件对所建立的两个模型进行了仿真试验,最后对两个神经网络模型应用于电力变压器故障诊断的有效性进行了分析比较。(5)详细阐述了D-S证据理论的基本概念,并对D-S证据理论的原理和D-S证据理论合成规则进行了深入分析,在此基础上提出了基于证据理论的电力变压器在线故障诊断模型,通过分析历史上的大量故障数据和已知的的故障类别以及长久积累下来的经验,利用改良三比值法和特征气体法作为证据体的来源构造了诊断模型框架,并对于该模型进行了实际故障样本的验证来表明此故障诊断模型的有效性。最后提出了此故障模型存在的缺点。(6)简要分析了基于单一数学理论的故障诊断模型的不足之处,并在此基础上提出了建立多种理论融合的变压器故障诊断模型,此诊断模型是基于模糊综合评判、RBF人工神经网络法、D-S证据理论三种智能方法的综合产物。其是先将模糊综合评判、RBF人工神经网络法的初步诊断结果分别归一化后配上各自的不确定度,从而确定了初步的MASS函数,基本实现的概率分配的客观化又避免了构造分配函数过于复杂。最后通过D-S证据理论合成法则得到最后的MASS函数,得到诊断结果。并通过故障样本验证此模型的有效性。(7)从理论原理,正确率,可行性等多方面对本文提出的5种故障诊断模型进行对比分析,最后得出应用本文提出的融合多种理论的变压器故障诊断模型的诊断正确率高于其他单一数学理论的故障模型,应用的可行性最高也最广泛。同时对于单一数学理论的故障模型较为薄弱的地方甚至无法诊断的方面都能取得较高的诊断正确率。其在未来电力变压器在线故障诊断中是最有前途的诊断方法之一。(8)本文末章对前几章的内容进行了总结,对本文提出的融合多种理论的变压器故障诊断模型的研究成果做了概述,最后指出该诊断模型的不足之处与今后进一步改进的研究方向。