作为电力系统最重要的设备之一,变压器担负着电压变换、电流变换等电能转换的责任,其正常运行是保证电网安全稳定运行的重要因素。开展变压器故障诊断研究,及时掌握其运行状态和故障情况,对于提高电网运行的安全性和经济性具有重要意义。本课题以油浸式变压器为研究对象,以现有的故障诊断方法为基础,提出一种基于改进蜂群算法优化神经网络的变压器故障诊断方法。该方法以神经网络算法为基础,引入具有参数少、鲁棒性强的人工蜂群算法;为避免标准蜂群算法出现局部最优和易早熟现象,引入自适应因子调整种群更新步长来协调蜂群算法的全局和局部搜索能力;同时引入Levy变异因子来提高收敛精度的性能,形成自适应变异蜂群算法（AMABC）。将改进后的蜂群算法优化BP神经网络的权值和阈值,通过算法反复迭代运算,能够达到目标精度要求。为验证所用方法寻优能力强、误差低,选用四种具有代表性的测试函数,将自适应变异蜂群算法（AMABC）与人工蜂群算法（ABC）进行仿真对比分析,结果表明改进后的人工蜂群算法具有更好的寻优能力;将自适应变异蜂群算法（AMABC）优化BP算法与粒子群算法（PSO）优化BP算法、遗传算法（GA）优化BP算法、蜂群算法（ABC）优化BP算法三种组合算法进行对比测试,结果表明本文所用组合算法的收敛速度和收敛精度都有所提高。将AMABC-BP算法应用于变压器故障诊断,仿真结果表明,所用算法收敛速度更快、判别故障准确率更高。在理论分析的基础上,搭建以DSP信号采集为硬件的故障诊断平台,通过组态王软件编写了人机交互界面,结合MATLAB算法程序对变压器进行故障诊断实验,并测试正常状态下的变压器油中气体浓度、故障状态下的变压器油中气体浓度、历史记录查询等。通过实验得出的故障类型与变压器实际的故障类型相比,验证所用方法对提高变压器故障诊断率的实用性。