變壓器易發(fā)生的故障基本可分兩大類：①電性故障；②熱性故障。電力變壓器故障，從發(fā)展過程上可分兩大類，即突發(fā)性故障和潛伏性故障，突發(fā)性故障發(fā)展過程很快，瞬間就會造成嚴重后果，如雷擊、誤操作、負荷突變等，突發(fā)性故障具有偶然性，只能通過避雷器、繼電保護等手段，使突發(fā)性故障限制在小的范圍內。潛伏性故障一般有三種，即變壓器內部局部放電，局部過熱和變壓器絕緣的老化。故障診斷主要是針對這些潛伏性故障的診斷預測。

變壓器運行狀態(tài)的主要測試與監(jiān)測手段

當前我國變壓器運行狀態(tài)監(jiān)測在相當程度上主要依據傳統(tǒng)的預防性試驗來實現的，包括：電氣試驗和油務試驗。

1、電氣試驗

（1）直流電阻的測量：直流電阻雖然是一個測試方法比較簡單的實驗，但它比較直觀地確認繞組、引線、調壓開關等導電回路是否正常，能發(fā)現繞組導線的焊接質量，引線接頭是否擰緊接觸是否良好，調壓開關觸頭接觸是否良好等等。

（2）絕緣性能測試：通過絕緣電阻、吸收比、極化指數、介損、電容量（包括電容套管）、泄漏測試等實驗可掌握變壓器的繞組絕緣水平和鐵心對地絕緣。

（3）有載調壓開關特性測試：通過有載調壓開關切換時間、周期、切換的波形測量可以掌握變壓器的的有載調壓開關的性能是否良好。

（4）繞組變形測試和低電壓短路阻抗的測試?？梢哉莆兆儔浩鞒隹诙搪泛笞儔浩骼@組有否變形和移位。

（5）鐵心接地電流測試。可判斷變壓器是否多點接地。

（6）遠紅外測溫：通過紅外線測溫可以隨時掌握各出線引線接觸是否良好。

2、油務試驗

定期對變壓器充油設備的油采樣進行油色譜分析，通過油色譜分析判斷變壓器內部是否存在著過熱性故障（導電回路、鐵芯多點接地引起過熱等）、嚴重的局部放電、電弧放電故障等，它是綜合性判斷變壓器運行狀態(tài)的重要手段之 一。據統(tǒng)計，我國電網中有 50％以上的故障變壓器是通過該試驗結果檢出的。由于這一檢測技術能夠在無須停電的情況下進行，不受外界電場和磁場因素的影響，因此可以在線對變壓器內部絕緣狀況進行診斷，有利于狀態(tài)維修的發(fā)展。

基于油色譜分析方法的變壓器故障診斷技術

變壓器運行進出現內部故障原因往往不是單一的，一般存在熱點的同時還有局部放電，而且故障往往在不斷發(fā)展變化。在判斷設備有*及其嚴重程度時，要根據設備運行的歷史記錄和設備特點以及外部環(huán)境等因素進行綜合判斷。

2.1、油色譜分析的現狀

變壓器的絕緣材料主要是絕緣油和紙。變壓器故障時會產生多種氣體，主要來源于油和紙熱裂解。絕緣油是由烷烴、環(huán)烷烴、芳香烴等碳氫化合物組成的混合物。絕緣紙的成分是纖維素，主要是由糖或多糖類構成的高分子碳水化合物。絕緣油熱分解時，因分子鏈的的斷裂反應產生低分子烴類氣體。有水分存在時，還會產生氫氣。變壓器運行時出現內部故障產氣與正常產氣在技術上是不可分辨的。經驗證明，當懷疑設備固體材料老化時，一般 CO 2 /CO大于7；當懷疑故障涉及到固體絕緣材料時，CO 2 /CO可能小于3；當懷疑紙或紙板過度老化進，應適當測試油中糠醛含量，或測試紙樣聚合度。有載調壓操作產生氣體與低能量放電相符，當主油箱C 2 H 2 /H 2 大于2-3時，可能是有載調壓污染主油箱，可利用比較主油箱、有載調壓油箱和儲油罐油中溶解氣體分析來確定，或通過油柱靜壓試驗法和氣體試漏法來檢漏。對變壓器故障部位的準確判斷，有賴于對其內部結構和運行狀態(tài)的全面掌握，并結合歷年色譜數據和其它試驗（直流電阻、絕緣、變比、泄漏、空載等）進行比較，色譜分析與判斷的技術應借鑒新方法并結合使用。三比值法是一種比較簡便易行的判斷方法，但度不是很高。

2.2、以油務試驗數據為基礎進行綜合分析的方法

2.2.1、基于專家系統(tǒng)的故障診斷方法

人工智能的出現為變壓器故障診斷提供了良好的新途徑。判斷故障的類型、故障點、故障狀況需要大量的經驗，而專家系統(tǒng)恰恰解決這個問題。該領域早使用專家系統(tǒng)的是 Rieser的TOGA系統(tǒng)。國內也有根據油色譜分析和電氣試驗作為主要檢測數據來源的一套電力變壓器故障診斷專家系統(tǒng)，如河南省中分儀器有限公司長期致力于該領域的研究，并取得豐碩成果，在國內有廣泛的用戶。還有很多這方面的采用正反向混合推理的研究及應用系統(tǒng)實例。但是，專家系統(tǒng)所采用的判斷規(guī)則和專家?guī)熘薪涷灥臏蚀_度卻成為專家系統(tǒng)的“瓶頸”，即專家?guī)煨枰粩嗟匦拚蛿U充。

2.2.2、基于神經網絡的故障診斷方法

神經網絡系統(tǒng)具有自組織、自學習的能力，它不包括具體的診斷規(guī)則，而是將診斷規(guī)則隱含于權值矩陣中，通過對故障樣本的自學習來自動修正和擴充對故障的判斷能力。目前，變壓器故障診斷中多的是 BP神經網絡。其中具有單隱層的神經網絡分類效果you，它具有小運算量，同時*故障現象和故障原因之間的非線性映射。但是BP神經網絡容易收斂到局部you解，為了解決這個問題，提出了幾種結合其它方法的學習方法。其中有結合遺傳算法的多層前饋網絡，其進行網絡訓練的初識權值是全解空間中的you解。而另一種在學習算法中加入隨機擾動的方法也取得較好的效果。

2.2.3、 其它的故障診斷方法

基于油色譜分析進行故障診斷，還有很多其它的方法?；谊P聯度分析、模糊聚類分析、概率推理和模糊數學結合分析等變壓器故障診斷方法是比較有效的幾種故障診斷方法。