摘要：油色谱在线监测可有效反映电力变压器的健康状态,但监测装置自身若处于非正常工作状态,会影响被监测设备状态评估的准确性。目前,确定监测装置是否异常主要依靠繁琐的人工现场校验,数据驱动的多判据融合方法难以识别微小阶跃异常且耗时较长。针对这些问题,该文提出了基于核主成分分析模型(KPCA)的在线油色谱装置异常状态快速识别方法,根据Hotelling-T2及Squared Prediction Error统计量快速识别异常数据,结合数据特征即可实现在线监测装置工作状态的快速辨识。测试结果表明:KPCA可有效识别阈值法难以识别的幅度最低为5%的阶跃突变异常,利用该方法识别某区域电网677台油色谱监测装置异常工作状态的正确率为95.7%,与判据融合方法准确率96.9%相近,但耗时远小于判据融合方法,因此可以实现在正确率不显著降低情况下油色谱在线监测装置异常状态的快速辨识。