油浸式电力变压器是电网的最主要设备,其固体绝缘的性能直接关系到电力系统的安全与稳定,长期以来一直受到关注。因此,有效地监测变压器固体绝缘材料的剩余寿命具有实际意义。本文在广泛查阅相关文献的基础上,系统了解了电力变压器固体绝缘老化过程。结合工作实际,本文的主要工作如下:(1)在分析了油中溶解CO、CO2、糠醛以及运行年限与变压器固体绝缘可靠性关系的基础上,利用CO、CO2、糠醛以及运行年限数据样本作为人工神经网络学习训练的特征向量矩阵,充分利用人工神经网络具有的并行处理、学习和记忆、非线性映射、自适应能力和鲁棒性等特点,构造了基于人工神经网络的电力变压器固体绝缘可靠性的预测模型。(2)对同一地区不同负荷下运行变压器油中糠醛浓度和运行年限进行统计分析,给出了按理论分布计算所得的糠醛浓度注意值;利用Logistic回归,给出了糠醛浓度、CO、CO2进行判断变压器固体绝缘老化判断的回归方程。(3)对糠醛浓度、运行年限与聚合度的关系进行分析,给出了变压器正常老化状态下的剩余寿命预测模型;利用平均剩余寿命预测方法给出了变压器非正常老化状态下的剩余寿命预测公式。(4)基于上述综合分析给出了变压器固体绝缘剩余寿命的诊断流程与变压器固体绝缘剩余寿命预测的数学模型,实例表明该模型在电力变压器固体绝缘老化诊断中有良好的应用前景。(5)论文最后对上述研究成果进行了总结,提出了进一步研究的方向。