摘要：總結(jié)了近年來人工智能技術(shù)在基于油中溶解氣體分析(DGA)的變壓器絕緣故障診斷方法上的研究和發(fā)展,介紹了其中的主要方法和成果,并討論了該領(lǐng)域的研究趨向。
　　關(guān)鍵詞：油中溶解氣體分析；變壓器；絕緣故障診斷；人工智能
　　0前言
　　充油變壓器在運(yùn)行狀態(tài)中發(fā)生故障將嚴(yán)重影響整個(gè)電力系統(tǒng)的可靠運(yùn)行，其中由于絕緣故障造成的事故占到變壓器總事故的85%以上。油中溶解氣體分析方法作為一種有效的充油電力設(shè)備異常分析手段,在電力系統(tǒng)中得到廣泛的應(yīng)用。本文主要是針對(duì)基于DGA的變壓器絕緣故障診斷方法進(jìn)行研究和探討。傳統(tǒng)的基于DGA的變壓器絕緣故障診斷方法有：得能堡比值法、三比值法、羅杰斯法、改進(jìn)羅杰斯法、電研協(xié)法等，采用的特征氣體是CH4，H2，C2H4，C2H6，C2H2，CO，CO2等七種。這些方法是在大量數(shù)據(jù)的基礎(chǔ)上統(tǒng)計(jì)出來的，雖然在形式上比較簡(jiǎn)單，但正是因?yàn)楹?jiǎn)化了故障因素的復(fù)雜性而使得故障診斷正確率只能達(dá)到80%左右。
　　本文系統(tǒng)地討論了近年來國(guó)內(nèi)外學(xué)者提出的基于人工智能技術(shù)的變壓器絕緣故障診斷方法，如基于模糊理論、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)和灰色理論等技術(shù)，這些方法有效地提高了變壓器絕緣故障診斷的正確率。最后討論了今后該領(lǐng)域的研究趨向。
　　 1基于模糊理論的絕緣故障診斷方法
　　傳統(tǒng)的基于DGA的變壓器絕緣故障診斷方法是根據(jù)專家過去的知識(shí)和經(jīng)驗(yàn)總結(jié)的。目前用于變壓器故障診斷的各種規(guī)程和導(dǎo)則中，一般只給出了一個(gè)判斷故障邊界的描述，難以表述故障和各個(gè)特征量之間的客觀規(guī)律。例如：采用IEC/IEEE特征氣體三比值法來判斷變壓器絕緣故障類型時(shí)，給出的氣體比值的邊界是根據(jù)大量的統(tǒng)計(jì)數(shù)據(jù)得到的。盡管得到的編碼規(guī)則基本上是合理的，但邊界點(diǎn)的取值仍然具有一定的發(fā)散性和模糊性。當(dāng)氣體的比值在邊界點(diǎn)附近時(shí)，DGA數(shù)據(jù)的細(xì)小變化容易使編碼發(fā)生很大的變化，從而引起誤判絕緣故障類型。為了解決這種在知識(shí)表述上所具有的不確定性，因而出現(xiàn)了基于模糊理論的變壓器故障診斷方法。模糊理論的基本思想是利用人類對(duì)事物的模糊思維及模糊性語言對(duì)事物進(jìn)行識(shí)別和判決，具有詞語計(jì)算和處理不確定性、不精確性和模糊信息的能力，現(xiàn)已被證明是解決許多復(fù)雜問題的一種有效方法。
　　1.1基于模糊推理和模糊關(guān)系的絕緣故障診斷方法
　　目前，根據(jù)對(duì)絕緣故障診斷角度的不同，基于模糊理論的故障診斷方法大致分以下兩種。
　　(1)模糊推理。模糊推理的核心是模糊化處理和模糊規(guī)則，對(duì)DGA數(shù)據(jù)采用不同的模糊化處理方法和模糊規(guī)則形成不同的故障診斷處理方法。針對(duì)IEC/IEEE三比值法在氣體比值編碼區(qū)間定義上過于絕對(duì)性的缺點(diǎn)，文獻(xiàn)［1］中選用梯形函數(shù)作為模糊子集的隸屬函數(shù)，并且提出通過樣本學(xué)習(xí)來自動(dòng)獲取三比值法中不存在的規(guī)則，彌補(bǔ)了三比值法在規(guī)則缺少方面的缺陷，并且模糊規(guī)則和模糊子集的參數(shù)采用進(jìn)化優(yōu)化算法自動(dòng)調(diào)整，以減少人為設(shè)置參數(shù)帶來的主觀性。但文獻(xiàn)［1］沒有考慮模糊規(guī)則集的冗余和樣本集合中各個(gè)故障類型樣本個(gè)數(shù)對(duì)模糊子集和模糊規(guī)則參數(shù)的影響，因此文獻(xiàn)［2］在提出的規(guī)則建立算法中加入各個(gè)故障類型樣本的個(gè)數(shù)，并且采用遺傳算法對(duì)產(chǎn)生的模糊規(guī)則集進(jìn)行了精簡(jiǎn)，剔除了其中不重要的或冗余的規(guī)則。基于傳統(tǒng)的IEC編碼值，文獻(xiàn)［3］提出了模糊IEC編碼，以半柯西分布函數(shù)作為其隸屬函數(shù)，同時(shí)在模糊規(guī)則的運(yùn)算中加入了C2H2、H2和CH4氣體含量大小的模糊子集隸屬度，通過加權(quán)求和的方式得到故障對(duì)應(yīng)的隸屬度。加入這3種氣體的模糊子集有利于對(duì)某些特殊故障的診斷，彌補(bǔ)了三比值法僅考慮氣體間比值的不足。
　　(2)模糊關(guān)系。模糊關(guān)系表征的是兩個(gè)集合之間的關(guān)聯(lián)程度。由于傳統(tǒng)的三比值法在變壓器絕緣故障類型和比值編碼上是一一對(duì)應(yīng)的關(guān)系，而實(shí)際上由于變壓器絕緣故障類型與特征氣體之間關(guān)系的復(fù)雜性，使得這種對(duì)應(yīng)關(guān)系具有一定的模糊性。在對(duì)傳統(tǒng)比值法的編碼組合進(jìn)行模糊化處理和統(tǒng)計(jì)及分析的基礎(chǔ)上，文獻(xiàn)［4］得到了編碼―故障模糊關(guān)系矩陣，以待測(cè)樣本對(duì)應(yīng)的27組編碼組合的隸屬度作為特征輸入矢量，通過模糊綜合評(píng)判方法求出故障輸出矢量，以其中最大隸屬度對(duì)應(yīng)的故障類型作為診斷結(jié)果。模糊向量是特殊形式的模糊關(guān)系，文獻(xiàn)［5］中提出了故障的特征模糊向量和故障標(biāo)準(zhǔn)參考值的概念，前者由三比值大小的模糊子集和除CO2外其余六種特征氣體含量大小的模糊子集組成。故障的隸屬度則由待測(cè)樣本的模糊向量與特征模糊向量的內(nèi)積和除以標(biāo)準(zhǔn)參考值得到。
　　基于模糊推理和模糊關(guān)系的故障診斷方法來源于長(zhǎng)期以來人們對(duì)變壓器絕緣故障診斷知識(shí)的經(jīng)驗(yàn)總結(jié)。這種經(jīng)驗(yàn)總結(jié)由于其本身具有的模糊性和不確定性，因此隸屬函數(shù)和模糊規(guī)則的確定過程存在一定的人為因素。同時(shí)在模糊規(guī)則的選擇上，一方面現(xiàn)有的模糊規(guī)則數(shù)較少，另一方面若增大模糊子集的個(gè)數(shù)又會(huì)引起規(guī)則數(shù)的急劇增加，導(dǎo)致計(jì)算量的增大和冗余規(guī)則的出現(xiàn)。因此，如何減少診斷過程中人為因素對(duì)隸屬函數(shù)的影響并獲取高效、精簡(jiǎn)的模糊規(guī)則集是基于模糊推理和模糊關(guān)系的故障診斷方法的研究重點(diǎn)。目前數(shù)據(jù)挖掘技術(shù)中的粗糙集等方法因?yàn)槟軌驈拇罅繑?shù)據(jù)中自動(dòng)學(xué)習(xí)規(guī)則而成為新的研究方向。
　　1.2基于模糊聚類的絕緣故障診斷方法
　　模糊聚類方法的原理是在沒有先驗(yàn)知識(shí)的情況下，基于“物以類聚”的觀點(diǎn)，應(yīng)用模糊數(shù)學(xué)的方法確定各個(gè)樣本之間的距離及分散程度，按照樣本的距離或者某個(gè)目標(biāo)函數(shù)來實(shí)現(xiàn)分類的一種方法。文獻(xiàn)［6］將迭代自組織數(shù)據(jù)分析方法(ISODATA)應(yīng)用到變壓器故障診斷中，通過動(dòng)態(tài)聚類的方法構(gòu)造最優(yōu)模糊分類矩陣和聚類中心，然后按與中心最近原則確定故障類別。在此基礎(chǔ)上，文獻(xiàn)［7］結(jié)合模糊集理論和各種聚類算法提出模糊模式動(dòng)態(tài)多層聚類算法，選用模糊貼近度作為樣本之間的相似性尺度，采用動(dòng)態(tài)分類求取最優(yōu)分類結(jié)構(gòu)，逐步對(duì)樣本集進(jìn)行更為細(xì)致的分類，獲得了較高診斷正確率。
　　采用模糊聚類方法對(duì)故障類型進(jìn)行分類時(shí)，對(duì)樣本間的距離選用何種計(jì)算表達(dá)式仍然需要根據(jù)實(shí)際經(jīng)驗(yàn)得到。另外，雖然使用的是動(dòng)態(tài)分類方法，但如何評(píng)價(jià)動(dòng)態(tài)分類的性能仍須進(jìn)一步的研究。
　　 2基于神經(jīng)網(wǎng)絡(luò)的絕緣故障診斷方法
　　神經(jīng)網(wǎng)絡(luò)方法是通過模擬人腦神經(jīng)元活動(dòng)的過程，用神經(jīng)元的特性及連接模式來學(xué)習(xí)和表達(dá)知識(shí)。由于它具有并行分布處理、自適應(yīng)、聯(lián)想記憶、容錯(cuò)性強(qiáng)等特點(diǎn)，在信息處理、模式識(shí)別和智能控制等方面得到了廣泛的應(yīng)用。近年來隨著神經(jīng)網(wǎng)絡(luò)理論上的不斷發(fā)展完善，加上模糊理論和小波分析在神經(jīng)網(wǎng)絡(luò)中的廣泛應(yīng)用，神經(jīng)網(wǎng)絡(luò)方法成為最有前途的變壓器絕緣故障診斷方法之一。
　　2.1基于一般的神經(jīng)網(wǎng)絡(luò)的絕緣故障診斷方法
　　文獻(xiàn)［8］［9］［10］是較早將常規(guī)的BP神經(jīng)網(wǎng)絡(luò)方法應(yīng)用到變壓器絕緣故障診斷系統(tǒng)中，采用的神經(jīng)網(wǎng)絡(luò)模型是三層或多層前向網(wǎng)絡(luò)，輸入節(jié)點(diǎn)數(shù)采用七種特征氣體中的部分或全部。考慮到當(dāng)把某些特征氣體的含量作為神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)時(shí)會(huì)影響網(wǎng)絡(luò)的性能，文獻(xiàn)［10］對(duì)在不同的網(wǎng)絡(luò)輸入節(jié)點(diǎn)個(gè)數(shù)、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和網(wǎng)絡(luò)輸出節(jié)點(diǎn)個(gè)數(shù)下的網(wǎng)絡(luò)性能做了比較后，指出輸入為五種特征氣體、輸出為四種診斷類型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)具有最好的性能。對(duì)五種常規(guī)的診斷方法采用文獻(xiàn)［8］［9］提出的神經(jīng)網(wǎng)絡(luò)方法進(jìn)行訓(xùn)練和比較后，文獻(xiàn)［11］認(rèn)為具有三層結(jié)構(gòu)和適當(dāng)隱層單元的神經(jīng)網(wǎng)絡(luò)比較適合于變壓器絕緣故障診斷，指出網(wǎng)絡(luò)的正確診斷率取決于所采用的診斷方法。除了應(yīng)用較廣泛的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)外，文獻(xiàn)［12］采用的是Kohonen自組織特征映射網(wǎng)絡(luò)，通過網(wǎng)絡(luò)中神經(jīng)元間的交互作用和相互競(jìng)爭(zhēng)，實(shí)現(xiàn)對(duì)不同故障類型的聚類分析；文獻(xiàn)［13］則采用了在逼近能力、分類能力和學(xué)習(xí)速度優(yōu)于BP網(wǎng)絡(luò)的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)。
　　2.2基于模糊神經(jīng)網(wǎng)絡(luò)的絕緣故障診斷方法
　　常見的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)是利用神經(jīng)網(wǎng)絡(luò)的非線性和自學(xué)習(xí)功能解決模糊推理中隸屬度取值和模糊規(guī)則難以獲取的問題。因此，基于模糊神經(jīng)網(wǎng)絡(luò)的變壓器絕緣故障診斷方法的一般方法有兩種：①用模糊神經(jīng)元取代傳統(tǒng)的神經(jīng)元，神經(jīng)算子由原來的點(diǎn)乘與求和改為模糊邏輯算子［14］［15］；②將BP神經(jīng)網(wǎng)絡(luò)的輸入量模糊化，依靠BP神經(jīng)網(wǎng)絡(luò)的非線性和自學(xué)習(xí)功能獲得輸入與輸出間的模糊關(guān)系［16］。文獻(xiàn)［17］則將粗糙集和模糊神經(jīng)網(wǎng)絡(luò)結(jié)合，其基本思想是利用粗糙集方法對(duì)初始數(shù)據(jù)進(jìn)行約簡(jiǎn)，形成精簡(jiǎn)的規(guī)則集，然后據(jù)此構(gòu)造出的模糊神經(jīng)網(wǎng)絡(luò)具有良好的拓?fù)浣Y(jié)構(gòu)，減少了網(wǎng)絡(luò)規(guī)模，而且保持了較好的分類能力。另外，將模糊邏輯引入到其它類型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，充分發(fā)揮各自的優(yōu)點(diǎn)，為故障診斷方法提供了一個(gè)新的途徑。文獻(xiàn)［18］提出了一種模糊學(xué)習(xí)向量量化(FLVQ)網(wǎng)絡(luò)，借助于模糊分類法將樣本集分成N個(gè)模糊子空間，分別用LVQ網(wǎng)絡(luò)進(jìn)行模糊規(guī)則的學(xué)習(xí)，取這N個(gè)LVQ網(wǎng)絡(luò)的最大輸出作為診斷結(jié)果。在ART-2網(wǎng)絡(luò)的基礎(chǔ)上，文獻(xiàn)［19］構(gòu)造了具有輸入隱層的FART網(wǎng)絡(luò)，對(duì)各個(gè)特征氣體采用不同的隸屬函數(shù)處理，使網(wǎng)絡(luò)對(duì)不同的特征氣體具有不同的靈敏度。文獻(xiàn)［20］提出了基于模糊Hebbian學(xué)習(xí)率的模糊聯(lián)想記憶（FAM）神經(jīng)網(wǎng)絡(luò)模型。
　　2.3基于小波神經(jīng)網(wǎng)絡(luò)的絕緣故障診斷方法
　　小波分析是近十幾年來發(fā)展起來的一種強(qiáng)有力的數(shù)學(xué)工具，其對(duì)非平穩(wěn)隨機(jī)信號(hào)具有良好的時(shí)頻局部特性和變焦能力。目前神經(jīng)網(wǎng)絡(luò)與小波分析結(jié)合主要有兩種方式：一是將小波分析作為神經(jīng)網(wǎng)絡(luò)的前置處理手段，為神經(jīng)網(wǎng)絡(luò)提供輸入特征向量；二是將小波分析和神經(jīng)網(wǎng)絡(luò)直接融合，用小波函數(shù)或尺度函數(shù)直接作為神經(jīng)元的激勵(lì)函數(shù)。文獻(xiàn)［21］采用的是第一種方式，小波參數(shù)和網(wǎng)絡(luò)參數(shù)采用共軛梯度法學(xué)習(xí)。文獻(xiàn)［22］和文獻(xiàn)［23］則屬于第二種方式，不同的是文獻(xiàn)［22］采用高維二進(jìn)小波基作為網(wǎng)絡(luò)隱層的激活函數(shù)，小波神經(jīng)元采用的是各個(gè)輸入節(jié)點(diǎn)小波變換后的乘積；而文獻(xiàn)［23］提出了以一維的二進(jìn)小波基函數(shù)作為網(wǎng)絡(luò)隱層的激活函數(shù)，小波神經(jīng)元?jiǎng)t是各個(gè)輸入節(jié)點(diǎn)小波變換后的求和。
　　神經(jīng)網(wǎng)絡(luò)方法為變壓器的故障診斷問題提供了一種比較好的結(jié)構(gòu)體系，學(xué)者們?cè)诖嘶A(chǔ)上提出的方法極大地促進(jìn)了故障診斷技術(shù)的發(fā)展。但如何克服神經(jīng)網(wǎng)絡(luò)自身的弱點(diǎn)，將它與其他人工智能技術(shù)相結(jié)合，設(shè)計(jì)出具有結(jié)構(gòu)簡(jiǎn)單，良好分類能力，收斂速度快的神經(jīng)網(wǎng)絡(luò)模型仍然是學(xué)者們今后研究的重點(diǎn)。同時(shí)，如何從神經(jīng)網(wǎng)絡(luò)的分布式知識(shí)表達(dá)方式中獲取人們?nèi)菀桌斫獾闹R(shí)也將有助于對(duì)變壓器絕緣故障機(jī)理的深入分析。
　　 3基于專家系統(tǒng)的絕緣故障診斷方法
　　專家系統(tǒng)方法是把某一專業(yè)領(lǐng)域內(nèi)的多個(gè)專家的知識(shí)或者經(jīng)驗(yàn)用計(jì)算機(jī)可處理的符號(hào)形式存放在知識(shí)庫(kù)中，按照專家對(duì)知識(shí)的推理方法解決復(fù)雜的問題。它通常由知識(shí)庫(kù)、數(shù)據(jù)庫(kù)、推理機(jī)、知識(shí)獲取系統(tǒng)、解釋系統(tǒng)和人機(jī)接口等六部分組成。
　　目前國(guó)內(nèi)外所開發(fā)的專家診斷系統(tǒng)大都是依據(jù)DGA數(shù)據(jù)、理化數(shù)據(jù)、電氣性能數(shù)據(jù)等從各方面進(jìn)行常規(guī)診斷，然后再進(jìn)行綜合分析得出結(jié)論。而將模糊理論和神經(jīng)網(wǎng)絡(luò)技術(shù)引入則為專家系統(tǒng)開辟了新的知識(shí)獲取方法。文獻(xiàn)［24］較早提出將產(chǎn)生式規(guī)則的條件部分用模糊化的語義規(guī)則來代替，豐富了專家知識(shí)庫(kù)。文獻(xiàn)［25］提出把基于神經(jīng)網(wǎng)絡(luò)的診斷方法引進(jìn)到專家系統(tǒng)的知識(shí)庫(kù)中，其中神經(jīng)網(wǎng)絡(luò)診斷方法是由多個(gè)診斷單一故障類型的神經(jīng)網(wǎng)絡(luò)組成，待測(cè)樣本則分別由神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)的專家系統(tǒng)方法進(jìn)行診斷，經(jīng)過綜合分析后得到最終的診斷結(jié)果。除了在專家知識(shí)庫(kù)獲取方面的研究外，改進(jìn)傳統(tǒng)的專家系統(tǒng)結(jié)構(gòu)也是學(xué)者研究的重點(diǎn)。由于現(xiàn)有的故障診斷專家系統(tǒng)一般以產(chǎn)生式基本機(jī)構(gòu)以及單一方法診斷為基礎(chǔ)，診斷結(jié)果的準(zhǔn)確度和有效性難以得到保證，因而文獻(xiàn)［26］提出了基于多知識(shí)源協(xié)同求解問題的黑板模型，在此基礎(chǔ)上建立多專家合作診斷機(jī)制，并提出了在專家意見不一致時(shí)的綜合分析解決機(jī)制。
　　隨著模糊理論和神經(jīng)網(wǎng)絡(luò)技術(shù)不斷融入到專家系統(tǒng)故障診斷方法中，原有的僅僅基于產(chǎn)生式規(guī)則的知識(shí)庫(kù)中將加入眾多的代表不同診斷方法的知識(shí)層。但是由于這些方法在診斷結(jié)果達(dá)到的層次不同，使得原有知識(shí)庫(kù)的結(jié)構(gòu)變得更加復(fù)雜，維護(hù)起來也變得更加困難。因此，變壓器絕緣故障專家系統(tǒng)的發(fā)展方向是：在知識(shí)庫(kù)結(jié)構(gòu)上采用開放式的模塊化設(shè)計(jì)，使得其它的故障診斷方法能更容易地嵌入到專家系統(tǒng)中來；在診斷策略上采用高效的多層次搜索策略，提高診斷速度；在推理機(jī)制上采取多專家協(xié)同推理的方式以減少誤判或漏判。
　　 4基于灰色理論的絕緣故障診斷方法
　　灰色系統(tǒng)理論以“部分信息已知，部分信息未知”的“小樣本”、“貧信息”不確定性系統(tǒng)為研究對(duì)象，主要通過對(duì)“部分”已知信息的生成、開發(fā)，提取有價(jià)值的信息，實(shí)現(xiàn)對(duì)系統(tǒng)運(yùn)行行為的正確認(rèn)識(shí)和有效控制。
　　目前，用于變壓器故障診斷中的灰色理論方法主要有灰色關(guān)聯(lián)分析［27］［28］和灰色聚類分析［29］。灰色關(guān)聯(lián)分析方法采用對(duì)曲線幾何形狀進(jìn)行分析比較的方法來研究系統(tǒng)的動(dòng)態(tài)過程，認(rèn)為幾何形狀越接近，數(shù)據(jù)之間的關(guān)聯(lián)度就越大，然后根據(jù)關(guān)聯(lián)度的大小，將待診斷數(shù)據(jù)歸類于與之關(guān)聯(lián)度最大的標(biāo)準(zhǔn)故障模式。灰色關(guān)聯(lián)分析用于變壓器絕緣故障診斷的基本原理是：用表征系統(tǒng)特征的各種氣體參數(shù)組成特征狀態(tài)向量，然后通過樣本數(shù)據(jù)獲得對(duì)應(yīng)各個(gè)故障模式的標(biāo)準(zhǔn)狀態(tài)向量集，最后通過計(jì)算待檢測(cè)向量與各個(gè)標(biāo)準(zhǔn)狀態(tài)向量的關(guān)聯(lián)度來判斷故障模式。其中關(guān)聯(lián)度的計(jì)算模型有距離關(guān)聯(lián)度［27］和面積關(guān)聯(lián)度［28］兩種。文獻(xiàn)［29］基于灰色聚類分析方法變壓器絕緣故障診斷，是將待診斷的變壓器的各種油中溶解氣體所擁有的白化數(shù)，按幾個(gè)灰類進(jìn)行歸納，通過計(jì)算待診斷樣本與所有灰類的聚類系數(shù)，根據(jù)聚類系數(shù)的大小來判斷故障類型。
　　灰色理論能夠依據(jù)少量的樣本數(shù)據(jù)尋找影響變壓器絕緣故障的各個(gè)因素間的主要關(guān)系，通過影響系統(tǒng)行為的主要特征變量之間的灰色關(guān)系來建立系統(tǒng)的簡(jiǎn)化模型，它為變壓器絕緣故障診斷方法開辟了一個(gè)新的研究方向。
　　 5結(jié)束語
　　近年來，將人工智能技術(shù)應(yīng)用于變壓器絕緣故障診斷已成為學(xué)者們研究的熱點(diǎn)，各種不同方法的應(yīng)用有效地提高了絕緣故障的診斷正確率，促進(jìn)了在線監(jiān)測(cè)與實(shí)時(shí)故障診斷系統(tǒng)的研究開發(fā)。然而基于DGA的變壓器絕緣故障診斷方法還不夠完善，仍然有一些問題值得進(jìn)一步研究。
　　（1）基于DGA的絕緣故障診斷方法對(duì)特征氣體個(gè)數(shù)和相互之間關(guān)系的選取上還沒有一個(gè)統(tǒng)一的認(rèn)識(shí)，僅僅使用特征氣體的比值不能完全表述系統(tǒng)的完整信息。以最少的數(shù)據(jù)量包含最多的系統(tǒng)信息將有助于各種故障診斷方法進(jìn)一步提高診斷正確率。
　　（2）對(duì)變壓器絕緣故障產(chǎn)生的機(jī)理還需要進(jìn)一步深入研究，以消除影響故障診斷的干擾因素。特別是對(duì)故障發(fā)生的早期階段的DGA數(shù)據(jù)的研究將有助于變壓器的維護(hù)和安全運(yùn)行。
　　（3）鑒于電力變壓器由于在型號(hào)上的多樣性和運(yùn)行環(huán)境上的復(fù)雜性導(dǎo)致發(fā)生絕緣故障后DGA數(shù)據(jù)上的分散性，開發(fā)出一個(gè)基于因特網(wǎng)的變壓器在線“醫(yī)院”診斷系統(tǒng)，為變壓器絕緣故障診斷方法提供一個(gè)統(tǒng)一的平臺(tái)，將大大促進(jìn)變壓器絕緣故障診斷技術(shù)的發(fā)展。
　　人工智能技術(shù)的引入推動(dòng)了變壓器絕緣故障診斷技術(shù)的發(fā)展，提高了故障診斷正確率。隨著人工智能技術(shù)向減少?gòu)?fù)雜化方向的發(fā)展和新的智能技術(shù)的產(chǎn)生，相信基于DGA的變壓器絕緣故障診斷方法必將越來越完善。