电力变压器作为电力系统中重要的组成部分，其运行状态至关重要。油中溶解气体分析技术是目前用于检测油浸式电力变压器前期潜伏性故障使用最为广泛的方法之一。气体传感检测技术是油中溶解气体在线分析的核心，直接影响在线诊断的正确性。二氧化锡(SnO2)作为开发最早、应用最广泛的半导体气敏材料之一，对油中溶解故障特征气体均敏感，是目前实验研究及商业应用中最主要的气敏元件。然而，在实际应用过程中，其存在工作温度高、灵敏度低、交叉敏感严重等问题，已经制约了气体在线监测技术的良好推广。论文针对变压器油中溶解故障特征气体能够有效反应油浸式电力变压器的运行状态、掺杂改性能明显改善SnO2基气体传感器气敏性能及气体传感器阵列技术可以解决单独气体传感器在检测混合气体时存在的交叉敏感等特性，开展了气体传感器阵列技术在变压器油中溶解气体在线监测方面的应用研究。针对不同性质的故障特征气体分别应用水热法及静电纺丝法制备了气敏性能得到改善的二氧化锡基气体传感器，通过实验测试得到了各气体传感器与对应气体的灵敏度曲线，学习研究气体传感器阵列的构造理论将六只单独的气体传感组成检测阵列，应用不同的模式识别算法对混合气体完成定性定量检测，论文取得的主要研究成果如下:　　①研究分析了变压器油中溶解气体在线监测的研究现状，半导体金属氧化物气体传感器存在的问题，传感器阵列的构造理论，提出选取SnO2基气体传感器作为气体传感器阵列的气敏元件，分别通过掺杂贵金属银(Ag)、铂(Pt)、钯(Pd)，氧化钯(PdO)和氧化钐(Sm2O3)等掺杂物的方式解决SnO2气体传感器存在的工作温度高、灵敏度低、响应-恢复时间长等问题。　　②研究确定了针对不同故障特征气体选取不同的掺杂方案，分别制备成旁热式气敏传感器，对单独气体传感器进行气敏测试实验并得到与其分别对应的气体浓度-灵敏度曲线，为后续的传感器阵列结构的确立提供参考信息。　　③研究气体传感器阵列在对混合故障特征气体进行定性定量分析中存在的信号交叉、计算量大等问题，对模式识别的输入信号进行预处理。实验验证在保证训练样本数据质量的同时，采用主成分分析法和独立分量分析法相结合的数据预处理手段能有效降低模式识别中输入信号的维数，提高模式识别算法的精度。　　④研究T-S模糊神经网络算法在混合气体定性定量分析中的应用。将模糊模糊推理的规则表达能力和神经网络的自适应学习能力相结合，构造一种混合型模式识别算法。研究了该算法的结构原理，并提出了算法实现思路。　　⑤对比分析不同数据预处理方法和模式识别算法的应用结果和误差。对于同一种模式识别算法，使用了数据预处理的算法能够明显提高模式识别算法的精度，且主成分分析法与独立分析量法结合的处理方法较单独的主成分分析法好;基于同一数据预处理方法时(PCA与ICA结合)，使用混合型识别算法T-S模糊神经网络识别的平均误差和最大误差较单一型识别算法BP神经网络均有一定程度的降低，即T-S模糊神经网络算法具有更高的识别精度。