1.一种基于隐马尔科夫模型的油浸式电力变压器缺陷预警方法，其特征在于，包括：利用待监测变压器自身油中溶解气体浓度变化的时序数据，训练隐马尔可夫模型，得到关于油中溶解气体浓度异常变化情况的概率模型；基于所述概率模型计算待测变压器当前时刻出现异常气体浓度变化的概率，进而检测变压器异常状态转变中出现的预警信号，实现对变压器运行状态的动态预警。

2.根据权利要求1所述的基于隐马尔科夫模型的油浸式电力变压器缺陷预警方法，其特征在于，所述概率模型建立步骤包括：步骤I，基于变压器油中溶解气体在线监测装置监测到的每种特征气体的时序数据，以包含当前时刻t的g个采样点为起点时段T，向前读取G个时段(G≥1)的数据，每个时段包括g个采样点(g≥4)；

步骤II，将时段T-1的气体数据组作为对照组，筛选出时段T的气体数据组在该时段各采样点上的异常气体数量，组成时段T的异常组OT；

步骤III，将时段T-G至时段T-1所获得的所有异常组组合成新的异常气体数量组CT-1(CT-1＝{OT-G，...，OT-2，OT-1})，将其作为训练组，建立隐马尔可夫模型；

步骤IV，根据所建立的隐马尔可夫模型，计算当前时刻t所在时段T发生异常转变的概率IT，如下：IT＝1-PT                    (1)

其中，PT表示从CT-1产生时段T的异常组OT的概率；

步骤V，根据所计算的时段T的异常转变概率IT，当IT发生突变即升高超过预设值时，即表示变压器状态在时段T发生了异常变化，由稳定状态转变至缺陷状态，此时发出预警信号。

3.根据权利要求2所述的基于隐马尔科夫模型的油浸式电力变压器缺陷预警方法，其特征在于，所述步骤III具体为：设变压器的两种隐藏状态为正常S0和缺陷S1，时段T的状态表示为sT(sT∈{S0，S1})，状态与状态间满足马尔可夫性质；外部可观测状态为变压器特征气体的浓度异常变化情况，分别为V＝{0，1，…，7}共八种状态，对于所获得的异常气体数量的观测序列{OT-G，...，OT-2，OT-1}，采用Baum-Welch算法训练时刻T-1的隐马尔可夫模型的λT-1＝(AT-1，BT-1，πT-1)；其中，A表示隐藏状态的转移概率矩阵，包括由一个隐藏状态i到另一个隐藏状态j的概率，记为A＝{aij}N×N，aij＝P(sT+1＝Sj|sT＝Si)，(1≤i，j≤N)，N表示隐藏状态数目，且有B表示观测状态概率矩阵，表示在时段T时给定隐马尔可夫模型的隐藏状态j下观察到的观测状态的概率分布，记为B＝{bjk}N×M，其中bjk＝P(Vk＝OT|sT＝Sj)，(1≤i≤N，1≤k≤M)，M表示每个状态对应的可观测状态数目，每个可观测状态表示为V＝{V1，V2，…，VM}，时段T的观测状态表示为OT(OT∈{V1，V2，…，VM}))，且有π表示初始状态的概率矩阵，表示隐藏状态在初始时段的概率矩阵，记为π＝{πi＝P(sT-G＝Si)}1×N，(1≤i≤N)；

具体的，包括：

0 0 0 0

步骤III-1，初始化，设n＝0时，给 和 赋初值，则有HMMλ＝(A，B，π)；

步骤III-2，递归，当n＝1，2，…时， 和 的计算如下：

其中，γT′(i)表示对于给定的HMM和观测序列O，在时段T′处于状态Si的概率：ζT′(i，j)表示对于给定的HMM和观测序列O，系统在时段T′-1处于状态Si且在时段T′处于状态Sj的概率：步骤III-3，终止，当n＝H时，递归终止，此时有

λiH＝(AH，BH，πH)                       (8)则所训练的隐马尔可夫模型的

4.根据权利要求3所述的基于隐马尔科夫模型的油浸式电力变压器缺陷预警方法，其特征在于，所述步骤IV具体为：对于给定隐马尔可夫模型的λT-1＝(AT-1，BT-1，πT-1)和观测序列O＝{OT-G，…，OT-1，OT}，假设时段T时变压器依然处于正常状态，则计算产生该序列的概率如下：其中，

设变压器隐马尔可夫模型的λ＝(A，B，π)(A＝{aij}2×2，B＝{bjk}2×8，π＝{πi}1×2，i∈{0，1})，观测序列O＝{OT-G，…，OT-1，OT}，则式中前向概率α：αT(i)＝αT(sT＝Si)＝P(OT-G，...，OT-1，OT，sT＝Si|λ)，i∈{0，1}(12)由前向算法进行计算，包括：

步骤IV-1，初始化：T′＝T-G时，

步骤IV-2，递归：T′＝T-G+1，…，T-1时，

步骤IV-3，终止：T′＝T时，

则有