随着智能电网的提出,电力变压器向着智能化、特高压和大容量的方向发展,而变压器作为电力系统中最为关键的电力设备,其运行状况对整个电力系统的可靠运行将产生越来越重大的影响,所以及时准确地检测出早期潜伏性的故障,显得尤为重要。油中溶解气体分析(DGA)方法是被公认的预防和发现变压器故障最为有效的方法之一。为了实时监测变压器的运行状态,提高变压器故障诊断的准确率,本文在研究了电力变压器现有的监测方法和故障诊断方法的基础上,结合DGA方法,设计了油中溶解气体的在线监测系统。在建立特征气体样本集后,利用深度神经网络中的深度置信网络(DBN)方法,构建了分类深度置信网络(CDBN)诊断模型,进行变压器的在线故障诊断。本文的主要工作如下:首先,阐述了本课题的相关研究背景与意义,综述了变压器在线监测和故障诊断技术的研究现状,对目前系统存在的问题进行了分析,并确定出本课题的研究内容。其次,着重分析了变压器油中溶解气体和故障类型的关系,在此基础上,确立了以油中溶解气体含量来监测变压器运行状况的技术方案。设计了油中溶解气体的在线监测系统,选用STM32F103T8U6嵌入式单片机为主控制器,采用NB-IoT技术进行远程通信,并对系统所需功能模块进行了电路设计及软件开发。最后,在建立好样本集的基础上,构建了基于CDBN的变压器故障诊断网络模型。利用MATLAB平台对所建立的模型进行实验仿真,调整模型参数,确定出该网络的层数、迭代次数等。参数确定后进行系统测试,在样本集数量不是很大的情况下,诊断准确率能达到94%左右,结果表明CDBN诊断模型应用在变压器的故障诊断方案中是有效可行的。