摘要：为了提高变压器故障诊断的准确率和效率,合理评估变压器的状态,本文采用相关向量机RVM先对变压器的过热和放电故障进行划分。用自适应神经模糊推理系统进一步对故障进行分类,并对故障隶属概率进行估计。实验结果表明:本文方法有很强的学习能力和特征提取能力;尤其对于存在重叠区的故障特征,用模糊集和隶属度的方法能够输出故障类型概率,对状态评估进行决策辅助;诊断率高达96.15%,且运算效率高;跟支持向量机、人工神经网络方法相比,有更好的效率和更高的准确率。

关键词：变压器状态评估 溶解气体分析 相关向量机 自适应神经模糊推理系统 故障诊断 

单位：湖南大学电气与信息工程学院; 长沙410082