变压器作为电力系统的枢纽设备，其运行可靠性直接影响电力系统的安全运行；变压器油中溶解气体的成分和含量能有效体现运行变压器内部的绝缘故障情况，为解决常规色谱分析中复杂的操作程序和由于人为因素引起的较大的误差，论文提出了应用高分子聚合膜实现变压器油气自动分离、多传感信息融合技术智能检测多种气体成分的变压器油中溶解气体在线监测技术，应用神经网络智能诊断方法实施故障诊断，提高变压器故障诊断的准确性和可靠性。主要研究内容有：1) 深入分析变压器油中多种溶解气体在线监测及故障诊断技术研究现状及应用前景，研究电力变压器绝缘结构特性、运行可靠性评估以及变压器内部常见故障与油中溶解气体对应关系，通过对在线监测变压器油中溶解气体的目的分析得出系统运行的可靠性、监测数据的正确性、诊断的有效性、系统的自动化程度、系统的价格等是综合评价变压器油中溶解气体在线监测技术的指标。2) 研究以高分子透气膜为特征的变压器油在线脱气技术；提出了一种能有效改进气体渗透性能的聚四氟乙烯和六氟乙烯的混合膜（F46膜）用于变压器油气自动分离，分析F46膜的气体渗透性能，通过大量的试验得出气体渗透平衡曲线，确定油中气体的平衡转换系数，为实施变压器油中气体在线监测奠定基础。3) 研究采用多种传感元件检测变压器油中多种溶解气体的原理及方法，研制的 MQ型系列传感器对变压器油中H2、 CO、 CH4、 C2H4、C2H2、C2H6六种溶解气体具有明显的选择性和较高的灵敏度，特别对体现变压器内部绝缘故障较敏感的C2H2气体的检测灵敏度达1μL/L。4) 研究多传感器信息融合技术防止MQ型系列传感器对六种气体存在的交叉敏感的原理及方法，采用传感器的阵列技术，利用BP神经网络模式识别方法，有效提高对单一气体类别及混合气体组分浓度的检测精度，降低对气体传感器本身选择性及时间稳定性的要求。5) 研究神经网络应用于电气设备故障诊断原理及方法，提出了基于ART结构神经网络的变压器绝缘故障诊断模型，并用案例验证了基于ART结构神经网络的变压器绝缘故障诊断方法的可行性。