电力变压器是电力系统核心设备,是影响整个电力系统安全运行的主要因素,电力变压器一旦发生故障或事故,都将对用户和电力系统造成影响和危害。因此,研究电力变压器的故障预测技术,对于提高电网供电可靠性和运行安全性具有十分重要的意义。目前,电力变压器故障预测主要采用基于油中溶解气体分析(Dissolved Gas Analysis,简称DGA)的方法。本文首先对电力变压器油中溶解气体浓度的预测方法和电力变压器故障诊断方法进行分析,并深入系统的学习相关的灰色系统理论。在此基础上,针对电力变压器油中溶解气体浓度的数据特征,采用灰色Verhulst模型预测变压器油中溶解气体浓度。在灰色Verhulst模型的改进算法研究中,对目前用于灰色Verhulst(ρ)模型中背景值构造参数ρ选择的预测误差法和后验差检验法两种调整方法的预测结果进行了对比分析,根据两者之间的互补性,提出了变权灰色Verhulst(ρ)模型。采用遗传算法选择灰色Verhulst(ρ)模型参数,并通过大量实验优化遗传算法的选择、交叉和变异参数,提高了算法的效率。最后,根据变权灰色Verhulst(ρ)模型预测的气体浓度数据,分别应用改进的灰色关联度和灰色面积关联度法对变压器故障类型进行分析判断。实验结果表明,变权灰色Verhulst(ρ)模型对电力变压器油中溶解气体浓度的预测精度高,模型可移植性好;应用变权灰色Verhulst(ρ)模型的预测数据结合改进灰色关联度和灰色面积关联度对电力变压器的故障诊断类型与应用真实数据对电力变压器的故障诊断类型具有一致性。因此本文提出的电力变压器故障预测算法是有效的,为电力变压器故障预测提供了一个新的思路。