电力设备一般在室外运行,其中大型电力变压器的工作环境都比较恶劣,日常都24小时投入运行,因为在室外,运行人员对其监管力度相对室内的二次设备较小。目前,随着电力工业的迅速发展,变压器的数量和额定容量都逐渐增加。电力变压器在电力系统中的作用和地位变得越来越重要,因此加强变压器智能故障诊断和状态检修的研究是一件很有意义而且十分必要的工作。本文在文[11]和文[12]的基础上进一步深入,应用信息处理技术和人工智能技术对变压器的故障部位确定、变压器状态检修的决策支持系统进行了分析,其内容有如下几点:讨论了电力变压器运行中常见的异常情况及其类型,总结了几种工程上常见的故障识别和故障性质判断方法,在文[11]提出的变压器故障诊断系统模型的基础上,进一步深化了该系统;一方面由于变压器故障征兆项目繁多和故障部位的多样使得仅仅利用神经网络难以全面确定变压器存在故障的元件,另一方面在对变压器的长期检测、维修过程中,检修人员对变压器的故障检修积累了大量的经验,这些检修经验亟待转化为故障诊断规则。因此本文尝试运用决策树ID3算法确定变压器故障部位,该方法基于熵值理论,利用常规电气试验的结论,借鉴现场运行、诊断经验,结合变压器的外部信息,形成变压器故障部位诊断的规则;初步诊断出变压器故障之后,专家一般就要对变压器检修方式提出若干意见和建议。变压器的检修工作是一个涉及经济利益、社会影响等的复杂的问题。由于牵涉的因素较多,决策者常常难以作出正确的选择,为此本文利用层次分析法建立一个决策支持系统,它能够从多个预选方案中选择适当的检修方案,给决策人员有益的理论支持,实现电力设备的状态检修;4.运用JAVA技术,实现了一个电力设备预防性试验管理系统,能够管理电气设备台帐、预防性电气试验记录,预测变压器油中气体的含量,并能根据在线检测和预防性电气试验记录对设备进行故障诊断。该软件包基于企业内部的Intranet网络,采用C/S结构,具有可移植性强、维护方便、便于扩充等特点。