电力变压器作为电力系统中最重要的设备之一,其故障诊断技术的研究一直是国内外学者关注的热点。粗糙集(RS)理论是一门新兴的智能信息处理技术,它对各种不完整数据进行分析、推理,发现数据间的关系,提取有用特征,简化信息处理,研究不精确、不确定知识的表达、学习、归纳;概率神经网络(PNN)应用到电力变压器的故障诊断中,利用其强大的模式识别和分类能力而且也可以解决BP神经网络等神经网络训练时间长,样本变化时需重新训练等缺点,还引入遗传算法优化概率神经网络的平滑因子,提高了故障诊断的准确率。本文把粗糙集理论与概率神经网络结合起来,应用于变压器故障诊断,可以充分发挥两种方法的优势,取长补短。论文的内容有以下几个部分:叙述了变压器故障诊断的发展和现状;论述了粗糙集的相关理论以及在决策分析、故障诊断中的应用;将概率神经网络和BP网络进行了对比分析,阐述了概率神经网络具有的优势,建立基于概率神经网络的故障诊断模型,且在训练过程中,训练样本通过优化方法(采用遗传算法)来确定平滑因子σ,从而使概率神经网络的故障分类结果比普通的概率神经网络要好;最后利用粗糙集方法对原始数据进行约简,形成精简的规则集,然后以此基础构建的概率神经网络结构完全是由粗糙集最终约简规则决定的,具有良好的拓扑结构,网络规模大大减小,学习速度大为提高,而又保持了网络较好的分类能力。最后利用VB语言和MATLAB7.0神经网络工具箱建立一个简化的变压器故障诊断系统,并根据收集到的变压器故障实例数据进行了分析与仿真。结果表明,本文提出的将粗糙集理论与概率神经网络结合应用于电力变压器故障诊断的方法,是可行的,有很好的应用前景。