电力变压器在电网系统中的地位是很多设备不可替代的,其安全可靠是确保电网系统安全稳定运行的前提,顶层油温则是影响油浸式电力变压器使用寿命和负载能力的一个重要因素。在总结变压器顶层油温研究成果的基础上,阐述变压器内部热量传递过程,提出了考虑空气湿度的顶层油温改进方法。通过对变压器顶层油温影响因素的分析,构建了基于贝叶斯网络的油温预测模型,完成了油浸式变压器顶层油温的预测,将预测结果应用于电网系统中调度员决策,可取得一定效益,论文主要工作如下:首先,通过对油浸式变压器内部复杂的发热、散热过程的分析,将内部产热损耗进行分类,并确定了热量的流通方向和流通路线,明确了变压器顶层油温上升的热量来源。在此基础上,演绎出绕组、铁心、变压器油的升、降温特性方程。在经典的顶层油温计算模型的基础上,考虑变压器所处环境的空气湿度对其造成的影响,引进象征空气湿度的因子,新建一种简单的顶层油温改进模型。将该模型计算值、半物理模型的计算值和实测值进行对比,验证了考虑空气湿度因素的油温模型具有更高的精度。其次,利用贝叶斯网络预测变压器顶层油温,着重介绍了贝叶斯网络模型的构建、推理过程。利用历史监测数据,构造贝叶斯网络顶层油温预测模型。以BP神经网络和遗传算法优化的支持向量机模型为比较对象,验证贝叶斯网络模型的正确性,对比结果显示本文构建的预测模型的相对误差和均方根误差分别为1.0845和1.1731,均相应的小于此外两种模型的误差,说明了本文模型的预测效果更精确。在保存大部分原始信息的基础上,通过主成分分析法对变压器顶层油温的影响因素进行降维处理,减少模型的输入变量,建立基于主成分分析的贝叶斯网络模型。最后,迎峰度夏期间,变压器顶层油温监测值普遍较高,导致调度任务繁重、电网负荷调整次数多。针对此问题,利用文中提出的贝叶斯网络模型的顶层油温预测值辅助调度员决策,以提高电力调度效率。