电力变压器是电力系统重要的一次设备，对其进行运行状态实时监测及安全状态评估一直是重要的课题。随着“大、云、物、移、智”等新技术的不断发展、新产品的成熟应用，国内外出现越来越多的信息化技术手段。常规的方法包含不限于：通过变压器油色谱气体浓度诊断是否存变压器内部故障；通过电气试验采集直流电阻不平衡系数、吸收比、绕组介损、局部放电量等等特征参量进行状态分析[1]；通过油化试验采集油介损、酸值、击穿电压等特征参量进行状态评估。常规方法通常采用定期人工巡检、事后排查检修来进行，难以满足对变压器这类重要设备实时性监测及安全状态评估的要求。 变压器故障一般有过热故障、设备缺陷故障和电性故障，且较多故障都伴有过热性现象，过热故障总占比达到60%以上。为满足变压器实时监测和安全状态评估要求，基于变压器工作温度的监控是一种较好实时监测方法，能及时发现变压器故障异常时的过热故障。近年来也开展了一些相应研究，比较典型的有：通过红外热像仪实现变压器过热故障在线监测；在变压器套管上加装无线测温装置实现了对安装点位处温度的实时监测。红外热成像装置是一种非接触式的测温方式，具备测温及生成“热像”功能，具有测温范围广、测试面积大、与高压高温设备非接触安全系数高等优点，但由于受安装距离远近、外部环境温度、光照强度、风速等影响，导致对设备本身运行时温度采集的精度带来一定影响。无线温度装置存在实时性强、精确度高等优点，但需要在每个测温点都加装一个装置，存在测试范围小、数据无线传输容易受强磁干扰等不足。 针对上述现状，提出以下改进提升：一是在测温数据采集方面，整合了上述当前较为流行的两种测温手段优势，提出了红外热成像和无线测温装置进行组合，并在变压器工作现场加装环境监测装置、太阳辐射测量仪将采集到的环境温度、风力数据和日射强度作为数据补偿，该项研究对变压器温度数据采集提出了较为先进且全面的方法手段。二是在数据处理方面，采用了数据级融合实现对同源数据的处理、以及基于随机森林算法实现了特征级融合及变压器故障隐患的评估预测。三是在系统架构方面，通过布设边缘物理装置支撑了端-边-云的典型物联网架构，并实现了变压器实时温度数据在线采集、以及部署数据融合算法和故障预测模型以雾计算模式实现了数据本地计算和分析，减少了网络流量开销和对后端计算的依赖,从而提高了现场处理的实效性，提高了安全生产管控能力。
