电力变压器的运行状态在电力系统的安全性、可靠性方面有着举足轻重的地位。电力变压器在运行中一旦发生损坏性故障,将直接影响电网的供电,造成巨大的经济损失。论文针对电力变压器的故障特点,研究了基于蚁群算法的电力变压器故障定位方法,以实现用更少的成本,更迅速、更准确地检测出电力变压器故障。具体研究工作如下:针对电力变压器的常见故障,对电力变压器做了大量的故障分析研究,归纳出电力变压器发生故障和具有故障隐患时表现出的各种异常现象,为研究电力变压器故障定位方法提供实际依据。分析研究电力变压器故障检测技术,进一步探索了电力变压器内部故障有效的检测途径。运用故障树分析技术(FTA)构建了电力变压器发生内部故障的分类树模型,将其引入电力变压器故障定位方法研究中。研究蚁群算法的特点、原理、算法模型及实现流程。对蚁群算法中信息素、信息启发函数因子、蚂蚁数目、期望启发因子对蚁群算法性能的影响进行仿真实验研究。将蚁群算法与目前流行的智能优化算法进行比较分析研究。研究两种典型改进蚁群算法:最大最小蚁群系统和自适应蚁群算法,再从多态蚁群算法和双种群蚁群算法得到启发,把电力变压器检测方法与蚁群的多种类对应起来,最终提出适用于电力变压器故障搜寻的多种群蚁群算法。对多种群蚁群算法在不同参数条件下的运行情况进行了仿真实验研究。基于传统电力变压器故障检测过程的不足,应用蚁群优化算法对其进行改进。在对电力变压器故障树分析方法研究的基础上,提出了一种基于多种群蚁群算法的电力变压器故障定位方法模型。通过蚁群算法的全局优化和启发式寻优的特点,对电力变压器故障定位方法进行优化。从故障树定量分析方法得到启发,将故障重要度和故障概率引入电力变压器故障定位系统中。利用多种群蚁群算法智能地实现故障定位方法的最优化。论文研究两种主要情况的故障定位方法方法,一种情况是变压器有故障时故障部位确定但具体位置、原因不明时,需要进一步进行检测。第二种情况是对变压器进行监测、试验或发生事故时一项或几项指标超过标准时,要进行检测,以确定故障性质、位置、范围、程度。针对这两种情况,论文对变压器分接开关故障和过热故障定位方法进行了仿真实验研究。仿真结果表明利用多种群蚁群算法实现变压器故障定位方法可行、有效。