在供电网中,变压器是保障整个电力系统稳定运行的基础,也是电力网中最关键、最核心的部件之一。由于电力变压器具有结构复杂、技术难度大、设备昂贵、核心作用大等特点,因此在电力系统中一旦发生变压器故障,造成的影响将是十分巨大的。为避免造成变压器跳闸停电事故,及早发现变压器潜在故障,预见性判断变压器故障类型和风险显得尤为重要。因此,开展变压器故障检测及预测研究势在必行。本文在绝缘油溶解气体分析及变压器故障诊断研究现状基础上,通过分析绝缘油溶解气体产气机理和溶解原理,分析了变压器常规工况及故障状态下溶解气体含量关系,从而为变压器故障预测及诊断确定了“金标准”。随后介绍了变压器绝缘油溶解气体的分析方法,并分析了溶解气体浓度预测的常用方法。基于互信息变量选择理论,研究了互信息特征选择算法(Mutual Information Feature Selection,MIFS)及标准化互信息特征选择算法(Normalized Mutual Information Feature Selection,NMIFS)在溶解气体浓度预测方面应用可行性,并提出了改进的NMIFS算法的绝缘油溶解气体浓度预测算法,结合肇庆供电局变压器绝缘油溶解气体检测数据验证了该算法的合理性。通过梳理变压器故障诊断理论,结合组合核相关向量机(Multi-Kernel Relevance Vector Machine,MK-RVM)理论,提出了一种变压器故障预测诊断模型。该模型利用主成分分析法(Principal Component Analysis,PCA)进行主成分提取,然后重构预测样本矩阵,利用核函数优化MK-RVM,从而得到最佳的MK-RVM预测模型。最后结合肇庆供电局的三起变压器故障案例,探究了本文所提出绝缘油溶解气体浓度预测方法和变压器故障预测诊断方法的合理性和可行性。经案例应用和分析表明,本文所提出的基于改进的NMIFS算法溶解气体浓度预测方法和基于MK-RVM的变压器故障预测方法具有较好的适应性和准确度。