变压器是电网中最重要、最昂贵的输变电设备之一,若其发生故障,可能造成巨大的设备资产损失和停电损失,产生恶劣的社会影响。在线监测技术的有效应用有利于保证变压器的长期稳定运行,因此在全国电网范围内得到了广泛的应用。变压器状态的评估结果不仅对其检修等生产活动的安排产生影响,同时也是优化其在线监测装置配置与运行的重要参考依据。通过对变压器状态评估研究成果的总结以及对在线监测实际应用的调研,发现主要存在以下问题：(1)尽管已有多种变压器的状态评估模型被开发出来,但由于各种不足和限制,能够投入实际应用的模型还很少；已有的变压器故障诊断方法都是基于离线油中溶解气体数据,忽略了数据随时间的变化趋势,未能够充分利用在线数据。(2)在线监测装置本身也属于电力设备,在对变压器等输变电设备进行智能化改造时,在线监测装置的配置仍然需要进行合理的规划；同时,在线监测装置投入使用后,如何对其运行和维护等生产活动进行合理的优化,也是电力部门亟需解决的问题。基于以上背景,针对变压器的状态评估方法和在线监测优化等相关问题展开科学与技术研究。首先开发了变压器状态评估多层次不确定模型,并完善了计及DGA时间特性的变压器故障诊断技术,进而以状态评估结果为参考依据,建立了变压器在线监测装置配置优先级评估模型,并以DGA数据的变化趋势为参考,制定了油色谱在线监测周期动态调整策略。研究成果将有利于保证变压器的稳定运行并改善变压器在线监测装置的配置和运行方式,具有重要的理论价值和应用价值。本文的主要内容包括：(1)综合考虑变压器状态评估中存在的模糊性和随机性等不确定性问题,建立了变压器多层次状态评估模型。首先构建了变压器状态评估的指标体系,基于指标劣化度确定了等级划分标准,并将状态评估分为整体、系统和子系统3个阶段；其次根据物元云模型得到定量评估指标的等级关联度,结合最优权重获得定量评价系统中各子系统的状态评估结果；最后对原始证据进行随机处理和贝叶斯近似,基于D-S证据理论对各子系统与各系统的评估结果进行融合,得到整体的状态评估结果。实例证明所提出的变压器状态评估模型切实可行,融合多指标并结合信度准则能够正确地判断变压器的运行状态,为电力变压器的状态评估提供了一种新的思路。(2)提出了一种基于在线油中溶解气体数据的故障数据提取技术。首先概括了基于油中溶解气体分析技术(Dissolved Gas Analysis, DGA)的变压器故障诊断流程,并基于在线数据对该流程进行了改进；进而提出了基于相互比较法和最小二乘法的在线油色谱数据失效数据剔除方法；最后提出基于预测技术的故障数据提取方法。采用一组现场故障变压器的连续历史数据,对该故障数据提取技术对故障诊断效果的影响进行了检验,结果表明,故障特征气体积累的时间越长,越有利于对故障进行正确的诊断,使用所提技术提取的故障数据可以提高故障早期诊断的准确率,能够有效提升故障诊断的灵敏度和准确度。(3)提出一种QPSO-FRVM的变压器故障诊断模型。首先建立了快速相关向量机(Fast Relevance Vector Machine, FRVM)多层次分类模型；其次提出劣化度故障特征提取方法,分析影响相关向量机分类性能的2个因素,借助量子粒子群算法(Quantum Particle Swarm Optimization, QPSO)确定每一层的核函数参数以及故障特征提取方法；最后以现场的离线油色谱数据对所提模型进行了验证,并与IEC三比值法、支持向量机(Support Vector Machine, SVM)模型进行对此。结果表明：FRVM模型与RVM模型相比,极大地缩短了训练时间；QPSO-FRVM模型对小样本有着良好的泛化能力,诊断结果与实际情况吻合性很好；核函数参数以及故障特征提取方法的选取能够影响故障诊断的准确率,而使用QPSO方法可以对参数进行有效的优化；QPSO-FRVM诊断模型可以弥补三比值法编码缺失和判断标准过于绝对的缺陷,与SVM模型比较,QPSO-FRVM诊断模型有着更高的诊断准确率。(4)提出了一种变压器在线监测装置配置优先级综合评估模型。该评估模型包含设备层和系统层,并进一步地将设备层分为设备属性评估和运行状态评估；然后对各评估方法进行了描述,包括基于模糊层次分析法(Fuzzy Analytic Hierarchy Process,FAHP)进行变压器设备属性优先级评估,基于状态评估技术对运行状态优先级进行评估,基于风险收益对系统层优先级进行评估。最后以实际电网算例对所提模型进行了验证,仿真计算结果证明：模糊层次分析方法可以综合考虑影响配置优先级的多个相关设备属性,并综合多专家意见获得各属性的权重,进而得到设备属性评估结果；以风险收益为评价指标,可以综合考虑在线监测装置的安装与否对变压器故障率以及修复时间的影响,进而从整个系统的角度对在线监测装置的效益进行评估；综合考虑设备属性、运行状态以及系统风险收益的评估模型,避免了只考虑其中一方面或两方面优先级评估结果的片面性,所得结果更具全面性。(5)提出一种油色谱在线监测周期动态调整策略。首先在理论论述监测周期影响油色谱在线监测装置寿命的基础上,对平稳过程短时监测周期的时间序列数据进行相空间重构,得到最优时延和嵌入维数,并以最优时延作为相对最优监测周期；然后基于引力搜索优化方法和快速相关向量机建立气体浓度自适应预测模型,并设定预警标准,建立预警模型,并根据预警结果以及其他监测设备监测结果保持或缩短监测周期。仿真计算结果证明：以相空间重构获得的最优时延作为相对最优监测周期,可以延长油色谱在线监测装置的使用寿命,并且以最优时延采集的数据之间关联性更强,更有利于对设备状态的把握；引力搜索优化方法可以较好地对快速相关向量机气体浓度预测模型中的组合核函数参数进行自适应优化,预测模型对重构后的数据有着较高的预测精度；相比较依据产气率注意值,基于气体浓度预测技术的预警方法更适用于短时间间隔、气体浓度较低的在线数据,同时相比气体含量注意值方法,本文方法能够有效地发现可能出现的异常情况。