电力变压器故障诊断对电力系统的安全经济运行有着十分重要的意义,油中溶解气体分析法(DGA)是早期发现和预防变压器故障的最有效方法之一。而经过国内外学者几十年的努力,变压器的故障诊断在原理和方法上取得了长足的进展,但仍然存在着许多急待解决的问题;各种变压器故障诊断方法虽各有特色,但都有其不足和缺点。有的存在编码不全和未给出相应的故障性质,而且对某些编码的故障类型判断不够全面;有的结构复杂,维护起来比较困难;还有的学习收敛缓慢,效率低。因此找出一种新思路、新方法来准确有效判断变压器的故障具有非常重要的意义。本文在对基于DGA气体的变压器故障诊断进行精确分析的基础上,得出了能够实现变压器故障诊断的协同学方法,该方法类似于神经网络的模式识别,但它没有BP神经网络算法那样的局限性、不存在样本训练繁琐和隐含层单元选取困难问题。文中首先依据协同学理论,对变压器故障诊断问题建立动力学方程,通过对动力学方程的推导,运用支配原理中的绝热消去方法,得到低维的具有原方程所有特征的序参量动力学方程。然后通过序参量方程的推导,证明了可以只需要比较序参量的初始值就可以判断变压器的故障类型。总结整个协同学的诊断过程,得出运用协同学方法进行变压器故障诊断的步骤及其算法。文中最后进行了实例的论证,证实把协同学方法运用到变压器故障诊断当中,具有可行性;把它的诊断效果和三比值法和BP神经网络法行比较,实验仿真表明,协同学诊断方法能够弥补三比值法编码不全、编码边界模糊等缺点;而且实现起来更加简单、可靠和稳定,比BP神经网络具有更高的判断率,没有伪状态的出现,是一种比较理想可行的变压器故障诊断方法。