变压器油中溶解气体分析(DGA)是变压器运行和维护的重要技术手段,聚类算法是油色谱分析的一种重要智能算法。但是聚类算法的目标函数是一个典型的非凸函数,其寻优求解过程是局部搜索的爬山算法,迭代过程容易陷入局部极值点,因而无法实现有效的油色谱数据分类。混沌变量具有随机性和遍历性,使得全局寻优成为可能。本文在聚类迭代的过程中,利用混沌序列对聚类中心进行“人工突变”,同时在聚类的过程中设置多条并行的寻优轨迹,在迭代过程中,每条寻优轨迹除了按照自身的梯度信息进行推演,同时还共享其余轨迹的寻优信息。可在迭代寻优的过程改变原有的寻优轨迹,从而避免寻优过程终止于局部极值点,实现全局寻优。实例分析表明,本文的方法促进了聚类分析的全局寻优,提高了模糊聚类算法进行DGA故障模式识别的能力,具有现实应用价值。