我国高铁普遍采用AT供电方式,其中自耦变压器是AT供电系统中核心的设备之一。直击雷、接触网异物等引起的短路事故可能会导致自耦变压器绕组产生移位翘屈等变形故障,极大地影响了其运行的可靠性。频率响应分析法是变压器绕组故障诊断中应用最为广泛的方法之一。目前基于频响法的变压器绕组智能诊断大都针对双绕组变压器,其高低压绕组相互独立;高铁自耦变压器通常采用分裂式的绕组结构,绕组之间存在电气连接,其频率响应曲线与普通的电力变压器频响曲线差异较大,相应的故障特征也有所区别,因此有必要提出一种专门针对高铁自耦变压器绕组的智能诊断方法。本论文以高速铁路供电专用单相自耦变压器绕组为研究对象,以故障样本获取―特征空间建立―故障建模和模式识别为研究主线。首先针对自耦变压器绕组故障样本匮乏的问题,建立了自耦变压器绕组集总参数等效电路模型,通过有限元分析求解其等效电路参数后仿真得到其频率响应曲线。基于仿真模型进行了绕组不同程度和故障的频率响应仿真建模;并设计了能模拟多种绕组故障的变压器试验平台,为后续智能诊断提供了故障样本。为了充分利用频响曲线中携带的故障信息,本文提取了直接度量频响曲线差异的数学统计特征、反映绕组内部结构参数变化的零极点特征和体现极坐标图变化的数字图像特征。在零极点特征提取上,利用矢量匹配算法实现了传递函数的高精度辨识;在数字图像特征提取上,计算了极坐标图的灰度梯度共生矩阵特征和灰度差分统计特征。为了消除上述特征中的冗余属性,本文融合了邻域粗糙集和灰色关联分析对其进行属性约简,将约简后的特征作为后续智能算法的输入特征。针对自耦变压器特殊的绕组结构和分层次诊断的需求,本文综合了模糊C均值聚类算法和基于类分布特点的类间分离性测度方法对其二叉树拓扑结构进行设计,建立了既能定位故障绕组又能识别故障类型的二叉树支持向量机分层次诊断模型。在二叉树每个子分类器的设计上,对比了不同核函数、参数寻优算法以及输入特征对预测准确率的影响。