1、近年來，隨著電力工業(yè)的發(fā)展，電力系統(tǒng)裝機容量日益增長，變壓器故障時有發(fā)生，此時，及時的發(fā)現并處理變壓器的故障顯得格外的重要。在樣本數量較小的情況下，支持向量機(SVM)依然可以解決非線性、高維等問題，根據此優(yōu)勢，本文建立了基于支持向量機的變壓器故障診斷模型和故障定位模型。故障診斷的結果主要是由支持向量機的參數所決定的，所以，本文還提出用布谷鳥算法(CS)來優(yōu)化支持向量機的參數。通過仿真實驗表明，相比于其他算法，該算法能夠提高變壓器故障診

2、斷以及故障定位的正確率。
　　本研究主要內容包括：⑴在變壓器故障診斷模型中，利用布谷鳥算法優(yōu)化支持向量機的懲罰參數C和核參數g，為了提高布谷鳥算法的優(yōu)化能力，引入一種新的慣性權重國，并將改進的布谷烏算法(WCS)與最速下降法(SD)相結合，得到新算法(SDWCS)。利用該算法進行SVM參數的尋優(yōu)，克服了基本的SVM模型容易陷入局部最優(yōu)的缺陷。⑵在變壓器故障診斷模型中，建立了基于支持向量機的分類模型，采用SDWCS算法優(yōu)化支持向量機

3、參數，利用LibSVM工具箱在MATLAB軟件平臺上訓練支持向量機，并通過實例仿真，將該故障診斷模型與布谷鳥算法(CS)、粒子群算法(PSO)、遺傳算法（GA）、網格搜索算法(GS)相比較。⑶在變壓器故障定位模型中，將變壓器的油色譜信息和電氣試驗特征結合，建立基于二叉樹的支持向量機多層分類模型，采用SDWCS算法優(yōu)化支持向量機參數，并逐步對變壓器故障進行定位。通過實例證明，該故障定位模型能夠快速的判斷出變壓器發(fā)生故障的部位，而且定位的準