为解决油浸式变压器绕组稳态温升计算耗时久的问题，该文提出一种基于POD-DNN降阶模型的快速计算方法。首先，通过绕组稳态温升全阶模型构建快照矩阵，并基于本征正交分解(proper orthogonal decomposition

POD)获得物理系统的模态及模态系数。然后，建立工况参数与模态系数间的深度神经网络(deep neural networks

DNN)代理模型，解决POD方法中非线性项求解效率低和控制方程依赖强的局限，同时设计网络正则化策略，避免小样本下模型过拟合。最后，将DNN代理模型预测的模态系数与对应的POD模态线性加权，重构绕组温度场。经验证，POD-DNN求解的绕组温升结果与Fluent仿真和试验测量高度一致，计算效率相较于全阶模型和Fluent仿真分别提升了247 478倍和23 056倍，该算法能够为变压器的在线监测、运行维护和绝缘设计提供技术支撑。