1、人工神经网络法
人工神经网络是一种智能化的技术，这种方法主要通过模拟人类智能来实现对变压器运行状态进行检测和分析。这种方法主要是通过形成神经元，并通过神经元建立输入、输出状态间的对应关系，这样就可以不受人为控制的调整各神经元之间的关系，使网络正确反应输入、输出状态间的对应关系。
到目前都在研究试图将人工神经网络系统应用于变压器运行状态检测和分析当中，并取得了一些成就。常见的人工神经网络系统有BP神经网络和RBF神经网络。BP神经网络在解决模式识别问题上是一种非常典型的人工智能算法，目前大部分模式识别问题都是用这种方法解决的。基于BP神经网络的模块化结构已经有人提出，这一模块化结构可以对所有子模块的输入、输出反应出现的问题进行响应，并对问题做出诊断，对小问题还可以提出一些有效的解决方案。粗糙集理论与BP神经网络结合可以发展成一些新的检测方式，这些方式可以精细化决策结果，并对结果进行优化，从而提高了BP神经网络的准确率。
BP神经网络在变压器运行状态分析和检测过程的故障诊断系统的应用上具很好的效果，它提高了诊断效率、诊断的正确率和诊断的容错性。但这个系统自身有很大的缺点，比如，信号不稳定容易振荡，学习的速度慢，且很容易产生局部极小值。基于RBF神经网络在变压器运行状态分析和检测过程的应用有些文献进行了讨论，指出基于RBF神经网络在这一方面应用中具有较好的分类效果。
2、粗糙集理论法
粗糙集理论在处理变压器运行状态分析的不完整性和不确定性问题具有很大的优势。在变压器运行状态检测和分析的过程中，我们可以用这种方法来处理变压器保护装置和断路系统误动作的问题，也可以用来处理由于信息传输等造成的错误问题，还可以用来处理在检测和分析过程中产生的不完整警报信号问题。处理问题的方法是先建立决策表，然后将决策表进行自动化处理并进行简和约减的搜索，最后在删除多余属性后提取出检测和分析的规则，从而揭示警报信息的内在冗余性，进而对这问题进行处理。在对变压器故障处理过程中，可以用这一方法来处理前面所说的一系列问题，包括保护装置和断路系统误动作的处理，信息传输等造成的错误问题的处理，不完整警报信号问题的处理。粗糙集理论中的决策表简化方法可以区分变压器故障的严重程度，还能够区别故障征兆重要程度，并能对遗漏或错误的变压器进行处理。
3、模糊理论法
模糊数学是一种数学处理工具，它可以对人的模糊思维和模糊语言进行定量的分析和判断，根据分析得到的信息可以寻找适合计算机仿效人脑进行模糊识别和判别的方法，这一理论具有多因素综合分析的特点。在对变压器运行状态进行检测和分析过程中，当检测到变压器在发生故障时，有些故障的现象、原因以及机理之间可能会存在大量的不确定性和模糊性，这时用模糊理论法可以巧妙的处理好这些问题之间模糊性和不确定性。但是模糊理论主要在于研究“认知不确定性”的问题，变压器的故障从函数方面来处理比较困难。
4、贝叶斯网络法
贝叶斯网络是有向无环图，他以有向图的形式来表示变压器运行状态中随机变量间的因果关系，根据这些关系可以引用条件概率来将这些关系数量化；它是一种将变压器运行状态中随机变量间的因果关系和数学中的概率知识进行有机的结合来表示信息的方法。
贝叶斯网络以DGA数据的三比法中的编码作为变压器运行状态中出现的故障特征量并进行编码，并来建立贝叶斯网络。有些文献中提出了一种可用于不完整数据的选择性贝叶斯分类器SRBC的变压器运行状态进行检测和分析的模型，贝叶斯网络中的选择器可以根据检测到的数据来估算随机变量的概率分布，再通过选择性分类器删除数据集中原来的无关属性和其冗余属性可有效地提高分类精度和效率。
5、支持向量机法
利用支持向量机法对变压器运行状态进行检测和分析，以及故障分类方面，可以得到较高的准确率。但是这种方法也有很大的缺陷，比如会对在最优分界面附近的数据容易造成误判，有些文献讨论了将支持向量机对DGA数据进行分类的问题，他们发现利用K-近邻搜索聚类对最优分界面附近的数据进行精确逼近，可以提高分层模型的可靠性。
|