[1]王华钰蒨,艾世清,李维治,等.油浸式变压器故障监测及预警系统研究[J].工业仪表与自动化装置,2026,(04):32-37+70.[doi:10.19950/j.cnki.CN61-1121/TH.2026.04.006]
　WANG Huayuqian,AI Shiqing,LI Weizhi,et al.Research on fault monitoring and early warning system for oil - immersed transformers[J].Industrial Instrumentation & Automation,2026,(04):32-37+70.[doi:10.19950/j.cnki.CN61-1121/TH.2026.04.006]
点击复制

油浸式变压器故障监测及预警系统研究()

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2026年04期
页码:
32-37+70
栏目:
出版日期:
2026-08-10

文章信息/Info

Title:
Research on fault monitoring and early warning system for oil - immersed transformers
文章编号:
1000-0682(2026)04-0032-06
作者:
王华钰蒨1；艾世清1；李维治1；黄尉2；刘威2
1. 湖北能源东湖燃机热电有限公司, 湖北武汉430070；2. 武汉敢为科技有限公司, 湖北武汉430225
Author(s):
WANG Huayuqian1; AI Shiqing1; LI Weizhi1; HUANG Wei2;LIU Wei2
1. Hubei Energy East Lake Gas Turbine Thermal Power Co., Ltd., Hubei Wuhan 430070, China; 2. Wuhan Ganwei Technology Co., Ltd., Hubei Wuhan 430225, China
关键词:
变压器; 监测预警; 智能运维; 预测模型
Keywords:
transformer;  monitoring and early warning;  intelligent operation and maintenance;  predictive model
分类号:
TP183
DOI:
10.19950/j.cnki.CN61-1121/TH.2026.04.006
文献标志码:
A
摘要:
针对变压器运行过程中采用人工巡检方式效率低、故障发现不及时、运行数据采集不全面等问题，运用传感器、大数据分析、人工智能等技术，构建变压器故障监测及预警系统，提出Transformer-GLSTM预测模型，通过重构Transformer网络解码层，提高对时间序列的预测精度，实现了变压器运行状态的智能化管理，极大提高设备运维效率。以变压器油温数据为例，对预测模型进行评估，预测结果表明：系统运行稳定可靠，预测精度大于 94.3%，对变压器运行状态能够精准诊断，为运维人员提供数据支撑和决策支持，提高变压器运行的可靠性具有重要意义。
Abstract:
Addressing the issues of low efficiency in manual inspection during transformer operation, delayed fault detection, and incomplete operation data collection, we utilize technologies such as sensors, big data analysis, and artificial intelligence to construct a transformer fault monitoring and early warning system. We propose the Transformer - GLSTM prediction model, which improves the prediction accuracy of time series by reconstructing the decoding layer of the Transformer network. This achieves intelligent management of transformer operating status and greatly enhances equipment operation and maintenance efficiency. Taking transformer oil temperature data as an example, we evaluate the prediction model. The prediction results show that the system operates stably and reliably, with a prediction accuracy of over 94.3% . It can accurately diagnose the operating status of the transformer, providing data support and decision-making assistance for operation and maintenance personnel. This is of great significance for improving the reliability of transformer operation.

参考文献/References:


[1] 高铭峰. 电网安全风险评估与预警系统构建[J]. 建设科技, 2025(S1):112-114.
[2] 田立伸, 孔威涵, 岳廷树, 等. 基于优化BP神经网络的变压器油温预测[J]. 微型电脑应用, 2025, 41(04): 98-100+105.
[3] 张鑫, 王衡, 卫永鹏, 等. 基于 SSA-PNN 的电力变压器故障诊断[J]. 工业仪表与自动化装置, 2022(01): 86-90.
[4] 孙叶, 唐琳, 苏冰, 等. 基于深度学习算法的电力变压器故障识别研究 [J]. 微型电脑应用, 2021, 37(12): 74-77.
[5] 高锟,郑清伟,刘苏晓,等.基于IBOA-BP神经网络的变压器故障诊断方法[J].电力与能源,2026,47(01):51-55.
[6] 杨飞. 基于改进GWO的电力故障自动诊断模型设计[J]. 电子设计工程, 2026, 34(9): 62-66.
[7] 张伟, 李绍铭, 赵乾致. 基于 STM32 干式变压器智能温控器设计[J]. 工业控制计算机, 2022, 35(09):111-112+115.
[8] 孙珂, 姚晓君. 变压器电阻式温度计原理及故障处理[J]. 科技创新与应用, 2020(35):91-92.
[9] 林梅芬, 吴学先. 一种基于 Adam 算法优化的神经网络变压器顶层油温预测[J]. 电工技术, 2023(19):45-48+51.
[10] 吴宇浩, 朱文忠, 陈艺月, 等. 基于特征选择和 RS-LSTM 的变压器故障诊断方法[J]. 现代电子技术, 2025,48(20):147-154.
[11] 李泽波. 油浸式变压器在线监测与预警系统的研究 [D]. 南京: 南京林业大学, 2024.

相似文献/References:

[1]朱姝伟,张稳娥.变压器的常见故障及保护[J].工业仪表与自动化装置,2013,(05):87.
[2]赵建利,张鹏,侯英洒,等.绝缘结构对油浸式变压器绝缘纸含水量测试结果的影响研究[J].工业仪表与自动化装置,2016,(03):122.
　Zhao Jianli,Zhang Peng,Hou Yingsa,et al.Study on the effect of insulation structure to insulation paper water test results of oil immersed transformer[J].Industrial Instrumentation & Automation,2016,(04):122.
[3]殷培峰,张婧瑜.基于交直流互联电网中变压器直流偏磁抑制技术的应用[J].工业仪表与自动化装置,2018,(04):123.[doi:1000-0682（2018）04-0000-00]
　YIN Peifeng,ZHANG Jingyu.The application of the DC bias restraining technology for the transformer under AC/DC interconnected power grid[J].Industrial Instrumentation & Automation,2018,(04):123.[doi:1000-0682（2018）04-0000-00]
[4]张 鑫,王 衡,卫永鹏,等.基于SSA-PNN的电力变压器故障诊断[J].工业仪表与自动化装置,2022,(01):86.[doi:10.19950/j.cnki.cn61-1121/th.2022.01.018]
　ZHANG Xin,WANG Heng,WEI Yongpeng,et al.Fault diagnosis of power transformer based on SSA-PNN[J].Industrial Instrumentation & Automation,2022,(04):86.[doi:10.19950/j.cnki.cn61-1121/th.2022.01.018]
[5]姬建富,刘宏伟,侯云飞,等.基于温度传感器的变压器冷却风机运行状态在线监控方法[J].工业仪表与自动化装置,2022,(04):80.[doi:10.19950/j.cnki.cn61-1121/th.2022.04.016]
　JI Jianfu,LIU Hongwei,HOU Yunfei,et al.On line monitoring method of transformer cooling fan operation state based on temperature sensor[J].Industrial Instrumentation & Automation,2022,(04):80.[doi:10.19950/j.cnki.cn61-1121/th.2022.04.016]
[6]刘延超,翟常营,洪序平,等.核电站变压器智能冷却监控系统设计研发[J].工业仪表与自动化装置,2022,(05):84.[doi:10.19950/j.cnki.cn61-1121/th.2022.05.016]
　LIU Yanchao,ZHAI Changying,HONG Xuping,et al.Design and development of intelligent cooling monitoring system for nuclear power station transformer[J].Industrial Instrumentation & Automation,2022,(04):84.[doi:10.19950/j.cnki.cn61-1121/th.2022.05.016]

备注/Memo

备注/Memo:
收稿日期：2026-04-01
基金项目：湖北能源东湖燃机热电有限公司资助(ENZH-DR-GC-2025012)
第一作者：王华钰蒨(1993—)，女(土家族)，湖北武汉人，硕士，工程师，研究方向为控制工程。E-mail:gnhgy123456@163.com
更新日期/Last Update: 1900-01-01