电力变压器是电力系统中最为关键的设备之一,是对电力系统安全,可靠、优质、经济运行的重要保证,必须最大限度的防止和减少变压器事故的发生。电力变压器故障诊断对电力系统的安全经济运行有着十分重要的意义。油中溶解气体分析法是早期发现和预防变压器故障的最有效方法之一。由于神经网络对外界的输入样本具有很强的识别分类能力和联想记忆等信息处理特点,使得人工神经网络应用于变压器故障诊断得以实现。因此,研究以变压器油中溶解气体为特征量的神经网络故障诊断方法,为变压器故障诊断提供了新的途径。本文首先对变压器故障诊断的方法进行了系统的研究,分析比较了几种传统的变压器故障诊断方法的优缺点,如:IEC三比值法、罗杰斯法、电协研法等。然后运用人工智能的手段,对变压器状态检测所获得的数据进行分析和处理,从而掌握被监测对象的运行状态或故障原因。在广泛查阅相关文献的基础上,系统阐述了电力变压器故障类型和特征气体以及不同种类故障与不同种类特征气体含量之间的相应关系,构建了适应于变压器故障诊断的输入特征参量,选择和训练了适用于电力变压器运行状态及其故障在线监测、诊断和预报的BP、RBF神经网络,构造了基于人工神经网络的电力变压器故障诊断模型。最后,通过仿真试验证明,此两种方法相对于传统的变压器故障诊断的方法具有明显的优越性和更高的故障诊断率。