电力变压器作为电力系统中的枢纽设备之一，其安全稳定运行是电力系统可靠运营的重要前提与保障。因此，必须最大限度地防止和减少变压器故障的发生。而研究电力变压器故障诊断技术，对电力变压器的运行状态进行监测，以及早发现变压器的潜伏性故障并采取相应预防措施，对于提高电力系统的供电可靠性和运行安全性、降低变压器维修费用、减少相关经济损失皆具有重要意义。在深入研究电力变压器的油中溶解气体与故障之间关系的基础上，本文考虑应用粗糙集理论，并结合其它智能算法，研究基于油中溶解气体分析的电力变压器故障诊断技术。依照粗糙集知识处理的惯常脉络，本文的研究结构按照离散化研究、属性约简及值约简研究、专家评估系统开发等依次展开，主要研究内容概括如下：（1）针对电力变压器油中气体数据表的大数据量离散化过程，基于粗糙集差别矩阵离散化思想，提出了一种结合矢量空间聚类和数据库存储技术的粗糙集离散化算法。首先，应用矢量空间聚类技术来对变压器历史故障数据表进行断点简化；其次，参照简化断点，利用数据表设计技术构建精简差别矩阵；最后，以差别矩阵数据表中断点频率为依据，搜寻最简断点集，并依据最简断点集对历史故障数据表进行离散化。（2）针对电力变压器油中气体数据表中的规则提取过程，分别提出了结合粗糙集的一般遗传算法和改进自适应遗传算法。在改进自适应遗传算法中，引入自适应的交叉和变异概率，以避免算法陷入“早熟”和“局部最优”困境；引入修正算子，以保证搜索在可行解空间进行，防止决策信息丢失；引入模板定理、最优L个个体保存法、双亲单子法等技术，以加速算法的收敛速度。最后，将约简后的多个知识库中的规则知识进行信息融合，形成作为变压器最终故障诊断规则的混合策略规则。并通过具体算例的比较对算法的可行性和优越性进行验证。（3）基于本文研究，设计与开发了变压器故障评估系统。