变压器是电力系统中进行电压等级变换和传递电能的枢纽设备,其运行状况直接影响电网安全可靠运行,所以如何及时准确地发现变压器运行过程中存在的潜伏性故障成为电力系统安全稳定运行中有待进一步研究的课题。本文在参考大量现有文献的基础上将布谷鸟算法优化BP神经网络即CS-BP神经网络创新性地引入至变压器故障诊断领域,有效提高了变压器故障诊断正确率及诊断精度,为变压器及电力系统的正常运行提供可靠保障。首先,通过阅读相关资料总结变压器油中气体产生机理及变压器故障分类,并在此基础上介绍了传统诊断方法和人工智能诊断方法的基本原理及优缺点。通过详尽的公式推导阐述BP神经网络的基本数学原理,分析了 BP神经网络的优点和缺点并简要介绍了现阶段对于BP神经网络的改进方法,同时论述了布谷鸟算法的基本思想和算法流程。其次,提出将布谷鸟算法优化BP神经网络应用于变压器故障诊断领域,把BP神经网络的初始阈值和权值映射为布谷鸟算法中的鸟巢位置,通过模拟布谷鸟搜索最优鸟巢进行产卵孵育的过程来确定一组最优初始阈值和权值的组合以克服BP神经网络收敛速度慢且易陷入局部最优的缺点。以变压器油中五种特征气体含量构成的三种比值为网络输入,变压器七种运行状态为网络输出,利用CS-BP神经网络深入挖掘训练样本中隐含的变压器故障信息并对一定数目的测试样本进行分类识别以判断变压器故障类型。通过对CS-BP神经网络的训练曲线及诊断结果进行仿真,表明经过布谷鸟算法优化后的BP神经网络可有效减小训练次数并显著提高对测试样本的诊断正确率及诊断精度。同时将诊断结果与目前广泛使用的的粒子群算法作对比,结果表明CS-BP神经网络相对于粒子群算法优化BP神经网络(PSO-BP神经网络)对于同组测试样本表现出更加优异的诊断性能。最后,在算法仿真的基础上通过C#和MATLAB混合编程技术利用Microsoft SQL Server 2012软件和Visual Studio 2012软件设计并开发了变压器故障诊断系统,利用系统中的三比值法、BP神经网络、PSO-BP神经网络和CS-BP神经网络对变压器现场收集到的数据进行对比分析以初步确定变压器故障类型,通过结合变压器现场分析验证了本文所开发的系统在变压器故障诊断领域具有可行性和有效性。