变压器作为电力系统变换电压以利于功率传输的重要设备,其运行状态对电力系绍的安全性起着举足轻重的作用,对整体系统而言有着巨大的经济意义和安全意义。本文以电力变压器的稳固运行为目的,以现有的故障诊断技术为基础,结合变压器在变电站的实际运行,提出基于量子免疫优化BP神经网络的变压器故障诊断和基于支持向量机故障点定位算法,对变压器进行故障诊断和定位研究。本文主要研究工作如下:首先,结合变压器常见故障的特点,剖析绝缘油的产气机理以及特征气体与故障类型之间的复杂关系,通过对传统和人工智能两类诊断方法优缺点的比较,得出BP神经网络在理论上适用于故障诊断系统,但是BP神经网络在实际应用上还存在一些问题,对于故障判定的快速性和准确率还有待进一步的提高和优化。其次,针对BP神经网络存在学习能力有限及易困入局部极小点的缺陷,而量子免疫(QIA)具有全局搜索和寻优能力,本文采用扬长避短融合优化的思维方式提出基于QIA-BP的故障诊断方案。QIA采用量子位概率幅的编码方式扩充QIA对种群的整体搜索能力,提升该算法的运行效率;利用量子交叉和旋转门的动态调整实现种群的优化更新,使得搜索变得更为精确;QIA-BP在避免BP算法陷入局部最优的同时提高它的学习能力和运行效率。采用该算法对所建模型进行求解,并选用实例来验证所提算法的有效性。最后,在确定出变压器故障性质的基础上,设计基于二叉树的支持向量机(SVM定位系统,采用二叉树理论将变压器故障进行逐层的定位诊断,在对数据进行预处理、相关参数确定的基础上,通过案例分析,对算法的实际应用能力进行验证,运行结果符合设计要求,对变压器在故障定位方面的改善与提高具有一定的参考价值。