Phân tích khí hòa tan (Dissolved Gas Analysis – DGA) là một kỹ thuật phổ biến để theo dõi tình trạng vận hành của máy biến áp (MBA) ngâm dầu. Các phương pháp chẩn đoán truyền thống như tỷ lệ Doernenburg, tỷ lệ Roger, tỷ lệ IEC, tam giác Duval và ngũ giác Duval sử dụng nồng độ các khí sinh ra do sự cố như H₂, CH₄, C₂H₄, C₂H₆, C₂H₂, CO và CO₂ để suy đoán các dạng hư hỏng tiềm ẩn bên trong MBA. Tuy đã được chuẩn hóa và sử dụng rộng rãi, các phương pháp này vẫn tồn tại nhiều hạn chế về độ chính xác, đặc biệt trong các tình huống sự cố phức tạp hoặc chồng lấn, ảnh hưởng đến độ tin cậy trong vận hành.
Để khắc phục các hạn chế trên, nghiên cứu này đề xuất một phương pháp chẩn đoán ứng dụng trí tuệ nhân tạo, sử dụng mô hình máy học FastTreeOva do Microsoft phát triển. Mô hình được triển khai trên nền tảng ML.NET và sử dụng thuật toán hồi quy FastTree để phân loại đa lớp các dạng sự cố MBA dựa trên dữ liệu DGA. Tập dữ liệu huấn luyện được thu thập từ các MBA đang vận hành trên lưới điện miền Trung và Tây Nguyên trong khoảng thời gian từ năm 2002 đến nay, kết hợp với nguồn dữ liệu từ IEEE, bài báo quốc tế và các đơn vị thí nghiệm khác.