扫描二维码，使用手机查看。
近年来，随着在线监测技术、计算机技术和人工智能技术的发展，利用油中溶解气体分析技术与模糊逻辑（Fuzzy Logic）、专家系统（Expert System）和人工神经网络（Artificial Neural Network，ANN）等技术融合的诊断方法有效地实现了对电力变压器内绝缘潜伏性故障的诊断，大大提高了故障诊断的准确性、可靠性和诊断效率，为变压器故障诊断技术的发展开拓了新的途径。根据变压器故障检测手段，可以总结为以下几种类型：
对于大部分的油浸式电力变压器在热与电的作用下，变压器油箱中将会产生某些可燃性的气体，而对于溶解在油中的可燃性气体可以根据这些特殊气体的含量与比值确定变压器油纸绝缘系统的热分解本质。
首先利用这种技术对于油浸式变压器进行了故障诊断，之后Barraclough 等人提出了利用CH4/H2、C2H6/CH4、C2H4/C2H6 和C2H2/C2H4 四种比值的方法进行变压器故障诊断。而在后来的IEC 标准中把比值 C2H6/CH4 删除，修改后的三比值法被普遍采用，Rogers 进一步对IEEE和IEC 的气体组分比值编码及使用方法作了详细的解析和说明。
在长期使用IEC599 的情况下发现部分情况不符合实际情况，且无法对某些情况进行诊断。因此，我国与日本电气协会都对IEC 的编码进行了一些改进，而其他溶解气体成分分析方法也得到了广泛的运用。
美国的控制论学家L.A.Zadeh 第一次提出了模糊诊断的方法，而现在模糊诊断的方法得到了更加广泛的运用。
模糊逻辑的方法有利于表达界限不清晰的定性知识与经验，它借助于隶属度函数概念，区分模糊集合，处理模糊关系，模拟人脑实施规则型推理，解决实际产生中的种种不确定问题。实际中变压器存在着一些故障发生原因不清楚的问题，故障发生的机理之间存在的大量不确定关系和模糊关系，用传统的方法不能解释或很难描述，而采用模糊逻辑的方法则可以有效地解决变压器中故障发生的不确定关系，为解决电力变压器的故障提供了一种新的解决思路。
针对电力变压器故障诊断常用的Regers 比值法中存在着临界比值判据缺损的问题，提出了利用模糊集理论进行电力变压器故障诊断的方法，将模糊逻辑技术引入传统比值法，把比值边界模糊化，该方法在变压器多故障诊断中有较好的应用效果，并发展出一系列故障诊断方法，包括编码组合法、模糊聚类技术、Petri网络及灰色系统等，这些模型充分考虑了数据本身的模糊性，能有效改善复杂数据集的性能，从而提高了变压器故障诊断的正确率。
专家系统是人工智能的一个重要分支。它是一种能够在一定程度上模拟八位人类专家经验及推理过程的计算机程序系统；能根据用户提供的数据信息，运用系统中存储的专家经验或知识进行推理判断，最后给出结论及其可信度以供用户决策之用。
电力变压器故障诊断是个相当复杂的问题，涉及多方面的因素，根据各种参数做出正确判断必须要有坚实的理论基础和丰富的运行维护经验；另外，由于变压器的容量、电压等级和运行环境各异，同一种故障在不同变压器中的表现也有一定的差异。而专家系统具有较强的容错能力和自适应性，可根据诊断中所获得的知识对自身的知识库进行修正以保证知识的完备性，因此，对不同类型的电力变压器均可有效诊断。
电力变压器故障诊断专家系统能够通过总结电力变压器的故障原因及故障类型，综合运用包括油中溶解气体分析的故障检测知识来判断故障性质，并可以通过运用模糊逻辑较好地处理故障诊断中的模糊性问题，通过粗糙集方法解决专家系统较难获取完备知识的瓶颈问题，通过黑板模型结构建立适于多专家合作诊断的结构。
人工神经网络以数学模型模拟神经元活动，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。人工神经网络具有自组织、自适应、自学习、容错性及很强的非线性逼近能力，可以实现预测、模拟仿真和模糊控制等功能，是处理非线性系统的有力工具。
根据电力变压器故障时油中溶解气体的成分及含量，利用人工神经网络高度的非线性映射及自组织、自学习能力进行变压器故障诊断一直是近年来的研究热点，发展出一系列以人工神经网络为基础的故障诊断方法，如两步ANN 方法、基于反向传播人工神经网络、
决策树神经网络模型、组合神经网络分层结构模型、径向基函数神经网络等，这些方法不断提高神经网络算法的收敛速度、分类性能和准确率。
除了上述四种方法，还有一些方法也用于变压器的故障诊断当中。将神经网络和证据理论进行有机结合，使两者优势互补，可得到多神经网络与证据理论融合的变压器故障综合诊断方法。根据仿生生物免疫系统中抗体对抗原的高效识别和记忆机理，通过自组织抗体网络和抗体生成算法用于解决电力变压器故障诊断问题。另外，还有基于信息融合、粗糙集理论、组合决策树、贝叶斯网络、人工免疫、新径向基函数网络及支持向量机的变压器故障诊断法。
