随着国家经济的快速发展,社会的用电量与日俱增,电力系统规模也越发庞大,电力变压器作为电网中最为关键设备之一,并且也是事故发生频率最高的设备之一,当其发生故障,会对电网的安全稳定运行造成威胁,所以及时诊断出变压器故障从而减少故障的发生,保护电网安全运行变的十分的重要。变压器在出现了故障后,会有大量气体产生并溶解在变压器油中,且不同气体含量与变压器故障类型之间存在一定的联系,利用这种关系来判断故障类型,这就是油中溶解气体分析法（DGA）,针对神经网络的缺点,提出了天牛须算法（BAS）与BP神经网络算法相结合的故障诊断方法。本文先使用BP神经网络的对变压器故障进行诊断,以变压器油中溶解气体含量作为输入,以变压器故障类型作为输出,对收集到100组数据进行训练,对25组数据进行测试,发现BP神经网络存在收敛慢,容易陷入局部最优等问题,于是提出基于天牛须算法的BP神经网络故障诊断方法,通过天牛须算法来优化BP神经网络初始的权值和阈值,以优化后的权值作为初始权值,对变压器故障进行诊断。同时提出遗传算法与BP神经网络相结合的故障诊断模型。使用matlab进行仿真,发现两个模型在变压器故障诊断速度和故障诊断准确率上有所提升,弥补了BP网络收敛速度慢等缺点。在变压器故障诊断方面,提出了一种新的思路,同时也具有一定参考价值。