电力变压器是电力系统中最为重要和昂贵的元件之一,其安全可靠运行对电力供应至关重要。因此,研究电力变压器的早期故障检测及健康状态评估至关重要。随着先进传感器技术的应用,以及各种新型模型和算法的提出,能够及早发现变压器故障隐患的在线监测技术及状态检修正在成为变压器健康管理的主流发展趋势。论文基于在线量测的电气信息,对变压器模型参数的辨识以及监测方法进行了理论和技术研究,主要工作如下:(1)针对参数辨识方程性态造成误差放大的问题,引入条件数及复共线性等概念,对影响参数辨识方程数值稳定性的相关因素进行了分析。对于双绕组变压器而言,当采用T型等效电路进行参数辨识时,如果对短路阻抗的高压侧分量和低压侧分量分别进行辨识,条件数总是较大,辨识结果准确性较低。相对而言,忽略变压器的励磁支路(或采取适当的方法进行补偿),采用简化等效电路直接将短路阻抗作为一个整体计算时,辨识结果具有较高的准确性。(2)提出了一种基于负荷自适应匹配的变压器在线参数辨识算法,并进行了工程应用探索。针对目前文献中研究较少的三绕组变压器的参数辨识问题,在探究变压器不同负荷分布与系数矩阵条件数之间关系的基础上,将条件数作为评估依据,提出了根据负荷分布情况调整待求参数数目的参数辨识算法。通过数值仿真验证了条件数影响参数辨识精度的分析,并采用实际工程数据演示了在线监测的实现效果。(3)对测量误差在参数辨识算法中的传递过程进行了深入的分析,尤其关注了测量误差和负荷波动的耦合影响。从数学推导以及数值仿真两个方面,对参数辨识结果的分布特征进行了探讨。当测量误差存在时,参数辨识结果将会随着负荷的波动而改变,其分布近似服从于在负荷电流构成的连续域上的高斯过程,而不是简单的高斯分布。由于参数辨识算法涉及到了独立随机变量的非线性运算,在某一固定的负荷下的参数辨识结果并不严格的服从高斯分布。但是由于误差的相对标准偏差较小,独立变量的非线性运算可以近似线性化,因此该分布非常接近于高斯分布。(4)提出了一种数据驱动的变压器状态在线监测方法,该算法对测量误差及负荷波动有较强鲁棒性,可以实现对变压器的长期健康状态变化的评估。基于历史数据,利用BP神经网络对参数辨识结果所服从的高斯过程的均值函数以及标准差函数进行拟合,进而利用拟合得到的函数对在线监测数据进行标准化,实现误差补偿。基于随机矩阵理论的单环定理,采用平均谱半径(MSR)建立变压器参数变化的在线监测判据,以此来反映变压器的健康状态。最后,通过数值仿真验证了所提方法的有效性。