1.一种变压器故障复合诊断方法，其特征在于，包括以下步骤：

步骤一、收集DGA特征气体的浓度工业数据，建立特征量信息，并对数据进行预处理，数据预处理包括变压器故障的初步判断和测试，判断方法为关联气体法和阈值法相结合，规定变压器油色谱气体中总烃、乙炔、氢气的含量在阈值内，则基本判定本体状态为正常，通过变压器在工作中故障时的特征气体浓度变化的关联度来诊断出是否故障，变压器故障类型测试采用三比值法；

步骤二、分别利用随机森林(RF)算法、支持向量机(SVM)算法、K近邻算法(KNN)算法建立三个基分类器模型；

步骤三、利用加权投票法将上一步的模型融合互补，形成变压器故障复合诊断模型；

利用加权投票法进行模型融合具体包括：

步骤a、算法筛选，根据已建立的变压器故障诊断模型对于每一类故障的准确率设定阈值，初步筛选出每种故障类型对应有效的单一智能算法，将部分故障状态准确率过低的模型排除；

步骤b、权重的确定，根据用于组合的变压器故障诊断模型对最终判断结果的影响程度，筛选出的分类器对于不同故障状态初步判定结果上引入权重因子，筛选出各个模型对应不同故障类型最终对应的权重因子；

步骤c、算法融合，针对每一条待诊断的案例，采用机器学习算法RF、SVM、KNN的三种统计诊断结果，确定每种故障所用的基分类器模型，并根据每个算法对应不同故障类型的权重因子；i表示分类器的数目，j表示故障类型，对于任意ωij≥0， Flagi表示分类器的投票结果；得到输出判别式为 最终建立改进了的组合RF-SVM-KNN变压器故障诊断模型；

步骤四、利用上一步形成的变压器故障复合诊断模型进行故障诊断。

2.根据权利要求1所述的变压器故障复合诊断方法，其特征在于，步骤一对数据预处理包括剔除离群值，以箱型图原则，剔除高于上四分位和小于下四分位的特征值。

3.根据权利要求1所述的变压器故障复合诊断方法，其特征在于，步骤一对数据预处理包括标准化处理，采用z-score标准化方法，标准分数(standard score)也叫z分数(zscore)，其表达式为