电力变压器作为电网内极为重要且数量众多的电力设备之一,起着转换和传输电能的作用,其健康状况直接关系到供电的可靠性和安全性。变压器内部各部件所达到的最高温度即为热点温度,是影响变压器运行状态、物理条件和绝缘寿命的重要因素之一。鉴于变压器结构的复杂性和材料参数的非线性,导致运行过程中内部的发热、散热过程的非常复杂,使用经验公式法和热路模型法难以准确描述变压器的热特性,而已有的人工智能算法尚都未能建立具有物理意义的热点预测模型,且训练样本大都依赖试验,局限了预测模型的普适性和拓展性。因此,有必要对具有物理意义并能准确获取绕组热点温度的预测模型进行研究,以确保变压器设备在运行过程中的安全性。本文以S13-M-100 k VA/10 k V油浸自冷变压器为研究对象,提出了基于流线法和支持向量机的变压器热点温度反演检测方法。针对负载系数、风速、环境温度波动情况下的绕组热点温度进行反演检测,取得了较好的反演效果,并通过与试验结果的对比验证了本文所述算法的有效性。主要开展的研究工作如下:首先,搭建了测量变压器温升变化的试验平台。开展了不同负荷、风速的多阶段升温、降温试验,分析了不同负荷加载时间、负载系数和风速等因素对变压器各测温点温升的影响。在实际试验模型的基础上,采用有限体积法对变压器温度场进行仿真计算。通过与试验结果的对比验证仿真计算的准确性,从而进一步为温度反演奠定了基础。然后,在变压器温升测量平台和温升计算的基础上,结合支持向量回归机,提出了基于油流流动形态分析的流线法变压器绕组热点温度反演方法。采用正交试验法和前文已经验证过的温升计算模型构建正交训练样本集,对其他不同工况、环境情况下的绕组热点稳态温度进行反演;提出了三个表征负荷变化的特征量,根据四个阶段的试验数据,选取了部分作为训练样本对剩余样本进行热点温度实时反演,反演结果验证了本文算法在变压器热点温度反演中的优越性。最后,基于单相负荷用电的随机性,建立了三相不平衡情况时的热点进行反演模型。提出将三相负载的最大负载系数作为负载特征量,并通过观察不同相为热点时的主流线来选取对应的外壳测温点。同时,针对热点位置不固定情况时的外壳点选取过多问题,提出了基于遗传算法的特征量降维优化方法,并通过加入随机噪声以模拟实际情况下的测量误差来检验本文模型的鲁棒性。