近年来，随着改革开放稳步推进，我国经济的不断发展，电网规模不断扩大，对电网运行安全性以及供电可靠性的要求也越来越高。同时，发电机组也在朝着高参数、高自动化水平和高容量的方向发展。电力变压器是发电厂与用户端连接的枢纽，作为输变电环节的核心设备之一，一旦发生重大事故，就会造成发电机组与电网解列，从而导致发电机组跳机和供电中断，造成巨大的经济损失及严重的负面社会影响，因此，变压器低故障率、高可靠性地运行对确保发电厂和电网的安全运行具有重要意义。做好电力变压器故障诊断及故障预测，有助于实施状态检修，可以为现场设备运行维护提供有力支撑，为保证设备安全可靠运行打下坚实基础，对保障发电厂和电力公司安全稳健经营意义重大。
　　本文对电力变压器故障诊断和故障预测方法的研究现状进行深入分析，针对变压器故障样本的有限性、非线性以及不确定性等特点，以油色谱数据为基础，采用相关性分析方法，通过不同的维度，对变压器故障特征进行分析，提取反映变压器故障的关键特征。依托支持向量机理论，最小二乘支持向量机理论以及灰狼优化算法模型，针对灰狼优化算法存在的缺陷，提出算法改进策略，构建基于灰狼优化算法和最小二乘支持向量机的故障诊断和故障预测模型，并对模型的性能进行了验证。本文的主要研究内容如下：
　　(1)针对原始灰狼优化算法的不足，提出一种混合灰狼优化算法，该混合算法通过引入差分进化算法的差分变异策略和交叉选择策略，一方面可以提高种群的多样性，另一方面，利用差分进化算法强大的搜索能力对灰狼位置进行更新，在算法的勘探与开发之间做出适当的平衡，从而避免算法陷入局部最优，加快算法收敛速度，提高算法优化性能。在此基础上，提出基于混合灰狼优化算法和最小二乘支持向量机的变压器故障诊断模型，并将其应用于变压器故障诊断。在故障诊断模型中，通过选择融合特征集作为模型输入，采用核主成分分析进行特征提取，从而减少模型训练时间。最后，利用收集的变压器样本数据，对本文提出的诊断模型进行测试，并将其与传统DGA方法和其他智能诊断方法进行对比，验证本文诊断模型的有效性。
　　(2)提出一种基于灰关联分析和经验模态分解及改进灰狼优化最小二乘支持向量机的变压器油中溶解气体浓度预测模型。针对目前油中溶解气体浓度预测模型中未将变压器负载、油温以及环境温度对气体浓度的影响考虑在内的不足，本文首先利用灰色关联分析法评估变压器负载、油温以及环境温度对油中溶解气体浓度的影响，分析各因素之间的相关性，并依据分析结果提取影响溶解气体浓度的主要因素。然后，利用经验模态分解，对原始的油中溶解气体浓度序列数据进行分解，将非平稳的序列数据分解为不同尺度的平稳子序列。最后，利用改进灰狼优化最小二乘支持向量机建立预测模型，对各平稳子序列分别进行趋势预测，并将各子序列的预测结果进行叠加，获得最终预测结果。利用收集的样本数据，将本章预测模型进行验证，并与其他预测模型进行对比，验证预测模型的有效性。
　　(3)提出一种基于最大互信息系数法和自适应白噪声的完全集成经验模态分解及多种群灰狼优化加权最小二乘支持向量机的变压器油中溶解气体浓度预测模型。针对目前油中溶解气体浓度预测模型中未将变压器负载、油温以及环境温度对气体浓度的影响考虑在内的不足，本文首先利用最大互信息系数法评估变压器负载、油温以及环境温度与油中溶解气体浓度之间的相关性，提取影响溶解气体浓度的主要因素。然后，利用自适应白噪声的完全集成经验模态分解，对原始的油中溶解气体浓度序列数据进行分解，将非平稳的序列数据分解为不同尺度的平稳子序列。最后，利用多种群灰狼优化加权最小二乘支持向量机，建立油中溶解气体浓度预测模型，对各平稳子序列进行趋势预测，并将预测结果进行重构，获得最终的预测结果。同时，将本文预测模型与其他预测模型进行测试对对比，验证了预测模型有效性。
　　(4)分别使用灰色关联分析和最大互信息系数法，对变压器负荷、油温、环境温度与油中溶解特征气体间的相关性进行分析，从分析的结果可知，灰色关联分析与最大互信息系数法的分析结果基本保持一致，针对某些变量之间的相关性，利用最大互信息系数法得到的相关性更准确。同时，灰色关联分析与最大互信息系数法的分析结果也存在一定差异。从相关性分析结果可知，变压器油中溶解气体浓度的变化与变压器负荷、运行油温以及环境温度的确存在一定的相关性，因此，在构建变压器油中溶解气体浓度预测模型时，需要选择最优预测特征集，从而提升预测模型的精度。