近年來，隨著在線監(jiān)測技術、計算機技術和人工智能技術的發(fā)展，利用油中溶解氣體分析技術與模糊邏輯（Fuzzy Logic）、專家系統(tǒng)（Expert System）和人工神經(jīng)網(wǎng)絡（Artificial Neural Network，ANN）等技術融合的診斷方法有效地實現(xiàn)了對電力變壓器內(nèi)絕緣潛伏性故障的診斷，大大提高了故障診斷的準確性、可靠性和診斷效率，為變壓器故障診斷技術的發(fā)展開拓了新的途徑。根據(jù)變壓器故障檢測手段，可以總結為以下幾種類型：

1．油中溶解氣體成分的比值法診斷方法

對于大部分的油浸式電力變壓器在熱與電的作用下，變壓器油箱中將會產(chǎn)生某些可燃性的氣體，而對于溶解在油中的可燃性氣體可以根據(jù)這些特殊氣體的含量與比值確定變壓器油紙絕緣系統(tǒng)的熱分解本質(zhì)。

首先利用這種技術對于油浸式變壓器進行了故障診斷，之后Barraclough 等人提出了利用CH4/H2、C2H6/CH4、C2H4/C2H6 和C2H2/C2H4 四種比值的方法進行變壓器故障診斷。而在后來的IEC 標準中把比值 C2H6/CH4 刪除，修改后的三比值法被普遍采用，Rogers 進一步對IEEE和IEC 的氣體組分比值編碼及使用方法作了詳細的解析和說明。

在長期使用IEC599 的情況下發(fā)現(xiàn)部分情況不符合實際情況，且無法對某些情況進行診斷。因此，我國與日本電氣協(xié)會都對IEC 的編碼進行了一些改進，而其他溶解氣體成分分析方法也得到了廣泛的運用。

2．模糊邏輯診斷方法

美國的控制論學家L.A.Zadeh *提出了模糊診斷的方法，而現(xiàn)在模糊診斷的方法得到了更加廣泛的運用。

模糊邏輯的方法有利于表達界限不清晰的定性知識與經(jīng)驗，它借助于隸屬度函數(shù)概念，區(qū)分模糊集合，處理模糊關系，模擬人腦實施規(guī)則型推理，解決實際產(chǎn)生中的種種不確定問題。實際中變壓器存在著一些故障發(fā)生原因不清楚的問題，故障發(fā)生的機理之間存在的大量不確定關系和模糊關系，用傳統(tǒng)的方法不能解釋或很難描述，而采用模糊邏輯的方法則可以有效地解決變壓器中故障發(fā)生的不確定關系，為解決電力變壓器的故障提供了一種新的解決思路。

針對電力變壓器故障診斷常用的Regers 比值法中存在著臨界比值判據(jù)缺損的問題，提出了利用模糊集理論進行電力變壓器故障診斷的方法，將模糊邏輯技術引入傳統(tǒng)比值法，把比值邊界模糊化，該方法在變壓器多故障診斷中有較好的應用效果，并發(fā)展出一系列故障診斷方法，包括編碼組合法、模糊聚類技術、Petri網(wǎng)絡及灰色系統(tǒng)等，這些模型充分考慮了數(shù)據(jù)本身的模糊性，能有效改善復雜數(shù)據(jù)集的性能，從而提高了變壓器故障診斷的正確率。

3．專家系統(tǒng)的診斷方法

專家系統(tǒng)是人工智能的一個重要分支。它是一種能夠在一定程度上模擬八位人類專家經(jīng)驗及推理過程的計算機程序系統(tǒng)；能根據(jù)用戶提供的數(shù)據(jù)信息，運用系統(tǒng)中存儲的專家經(jīng)驗或知識進行推理判斷，后給出結論及其可信度以供用戶決策之用。

電力變壓器故障診斷是個相當復雜的問題，涉及多方面的因素，根據(jù)各種參數(shù)做出正確判斷必須要有堅實的理論基礎和豐富的運行維護經(jīng)驗；另外，由于變壓器的容量、電壓等級和運行環(huán)境各異，同一種故障在不同變壓器中的表現(xiàn)也有一定的差異。而專家系統(tǒng)具有較強的容錯能力和自適應性，可根據(jù)診斷中所獲得的知識對自身的知識庫進行修正以保證知識的完備性，因此，對不同類型的電力變壓器均可有效診斷。

電力變壓器故障診斷專家系統(tǒng)能夠通過總結電力變壓器的故障原因及故障類型，綜合運用包括油中溶解氣體分析的故障檢測知識來判斷故障性質(zhì)，并可以通過運用模糊邏輯較好地處理故障診斷中的模糊性問題，通過粗糙集方法解決專家系統(tǒng)較難獲取完備知識的瓶頸問題，通過黑板模型結構建立適于多專家合作診斷的結構。

4．人工神經(jīng)網(wǎng)絡的診斷方法

人工神經(jīng)網(wǎng)絡以數(shù)學模型模擬神經(jīng)元活動，是基于模仿大腦神經(jīng)網(wǎng)絡結構和功能而建立的一種信息處理系統(tǒng)。人工神經(jīng)網(wǎng)絡具有自組織、自適應、自學習、容錯性及很強的非線性逼近能力，可以實現(xiàn)預測、模擬仿真和模糊控制等功能，是處理非線性系統(tǒng)的有力工具。

根據(jù)電力變壓器故障時油中溶解氣體的成分及含量，利用人工神經(jīng)網(wǎng)絡高度的非線性映射及自組織、自學習能力進行變壓器故障診斷一直是近年來的研究熱點，發(fā)展出一系列以人工神經(jīng)網(wǎng)絡為基礎的故障診斷方法，如兩步ANN 方法、基于反向傳播人工神經(jīng)網(wǎng)絡、

決策樹神經(jīng)網(wǎng)絡模型、組合神經(jīng)網(wǎng)絡分層結構模型、徑向基函數(shù)神經(jīng)網(wǎng)絡等，這些方法不斷提高神經(jīng)網(wǎng)絡算法的收斂速度、分類性能和準確率。

5．其他診斷方法

除了上述四種方法，還有一些方法也用于變壓器的故障診斷當中。將神經(jīng)網(wǎng)絡和證據(jù)理論進行有機結合，使兩者優(yōu)勢互補，可得到多神經(jīng)網(wǎng)絡與證據(jù)理論融合的變壓器故障綜合診斷方法。根據(jù)仿生生物免疫系統(tǒng)中抗體對抗原的高效識別和記憶機理，通過自組織抗體網(wǎng)絡和抗體生成算法用于解決電力變壓器故障診斷問題。另外，還有基于信息融合、粗糙集理論、組合決策樹、貝葉斯網(wǎng)絡、人工免疫、新徑向基函數(shù)網(wǎng)絡及支持向量機的變壓器故障診斷法。