随着经济的快速发展，我国电力系统的规模日趋庞大。电力变压器是维系电力系统正常运行的关键设备。电力变压器的正常运行是保证电力系统安全可靠供电的基础。研究变压器故障诊断技术，及早发现变压器故障，是保证变压器正常运行的关键。　　将现代人工智能算法应用于电力变压器故障诊断是技术发展的必然趋势。如将遗传算法、BP神经网络算法、专家系统等与变压器故障诊断相结合的诊断模型层出不穷，较传统诊断方法也取得了不错的诊断效果。但是这些诊断方法都存在对于复杂故障诊断准确率不高的问题，本文尝试采用改进模糊Petri网建立故障诊断模型来弥补这一缺陷。　　本文采用具有良好学习能力和自适应能力的BP神经网络通过不断反向传播调整确定模糊Petri网弧权值、触发阈值和推理可信度网络参数，弥补模糊Petri网不具备学习能力的缺陷;再结合不依赖初始数据的蚁群算法改善BP神经网络对初始值过于敏感的缺点，加速模型收敛速度，最终建立BP神经网络结合蚁群算法模糊Petri网电力变压器故障诊断模型。将上述算法经MATLAB编程实现，运行程序对算例进行测试，结果表明该算法效果良好，具有较高诊断精度。　　为避免某些特殊情况下单独使用基于油中溶解气体浓度比值故障诊断方法造成的变压器故障误判、漏判情况发生，本文提出一种基于油中故障特征气体产气速率的BPFPN(Back Propagation evolving Fuzzy Petri Nets，BPFPN)电力变压器故障诊断模型。将故障特征产出速率与模糊Petri网相结合，经实例验证，同样具有较高的诊断精度。　　最后本文以改进后的模糊Petri网故障诊断模型及三比值法为核心，以VB编程为基础，设计并完成了变压器故障诊断软件的开发，方便工程技术人员快速对故障变压器进行诊断。