当前,电力变压器作为重要的电力设备,在其健康状况堪忧、存在的潜在性运行隐患时,若不及时检修更换变压器发生故障部件,则可能引发停电甚至爆炸等事故,对电力系统的安全性、可靠性造成极为严重的后果。因此为保证电力系统的安全可靠运行,需研究出一种有效方法来诊断出变压器内部所具有的潜伏性故障隐患。结合我国三十多年的工程实际应用效果来看,油中溶解分析诊断技术(DGA)已广泛用于检测以绝缘油作为电介质的电气设备的潜伏性故障,其内在的诊断依据是检测变压器是否发生故障的精髓。然而,传统的DGA方法在单一使用时,其诊断范围有局限性,诊断精度较低。例如,气体比值法,对于过热或放电故障诊断的正确率能够达到90%以上。但需进一步找到该故障发生的位置时,则无法对其进行准确地判断。因此,仅依靠上述单一的诊断技术来确定变压器发生故障类型,其精度较低故无法满足工程需求。针对这一问题,本文将传统的DGA诊断技术与人工智能方法相结合。利用灰色关联分析在处理小样本和不良信息样本中的优势和熵权法处理加权问题的优点分析操作变压器的油中溶解气体数据样本,提出了一种基于灰色关联和熵权融合的变压器故障诊断方法。该方法首先建立8种变压器故障状态,并选择8组经吊罩检查已经确定变压器发生故障类型的DGA油色谱数据进行标准化处理得到8种变压器故障状态的标准化样本数据;然后采用无量纲标准化方法处理标准化样本数据,得到8×5阶变压器标准故障状态模型;并求解8种变压器故障状态标准化样本数据的熵权,从而确定5种故障指标的权重;最后,将检测的变压器数据样本进行无量纲标准化处理后结合求得的5种故障指标的标准权重代入计算灰色加权关联度公式,求得待检测数据样本的灰色加权关联度;接着对所求待检测数据样本的灰色加权关联度按照降序排列,即最大灰色加权关联度所对应的标准故障模式下的指标就是本文方法诊断的变压器故障类型。最后对利用该方法检测出故障的待检测样本所对应的变压器进行吊罩检查,通过三个实例的检查结果表明该方法得出的结果与吊罩检查得出的结果一致,结果表明该方法具有很好的工程实用前景。