随着现代制造业的不断发展,我国工业生产领域逐渐地趋于自动化,电网是工业生产领域发展依靠的基础,而变压器的稳定运行是维护电网安全的关键。因此,加强变压器运行状态的检测,及时发现其潜伏性故障,并制定具有前瞻性、预见性的故障诊断策略,对于提升电网的安全可靠运行具有重要的意义。通过对变压器故障诊断方法的深入研究,为解决传统比值法易出现比值边界模糊、编码缺失等问题,弥补智能算法在小样本上易过拟合的不足,论文采用粒子群算法改进支持向量机对变压器进行故障诊断。将支持向量机与粒子群结合可有效解决样本有限且非线性的变压器复杂故障诊断问题。论文主要研究工作如下:首先,分析了变压器故障诊断的重要性,对目前变压器故障诊断方法进行总结并分析优缺点,在此基础上提出了以支持向量机与粒子群相结合的智能算法进行故障诊断的思想。对变压器故障机理进行分析,探讨了变压器油中溶解气体与故障之间的对应关系,确立变压器故障的输入特征量和故障类型的划分。叙述了支持向量机理论及算法过程,并用实例验证其在分类问题上的优势。其次,引入高斯径向基核函数实现支持向量机的输入特征量的高维空间映射,为提高标准粒子群的搜索能力,快速寻找支持向量机分类器的最佳参数,采用高斯非线性递减权重与异步线性学习因子变化策略对标准粒子群进行改进,并对改进后的算法通过基准函数进行性能分析,得出其收敛速度快且计算能力稳定。将改进粒子群算法与支持向量机结合,提出了基于改进粒子群优化的支持向量机分类算法,把支持向量机关键参数的选取方式由经验法转变为根据样本和不同划分任务而动态调整的变化方式。实例验证表明,这种方法有利于提高诊断分类正确率。最后,根据变压器故障数据与分类算法特点,建立基于提出的分类算法的变压器故障诊断模型,解决变压器多类故障的诊断问题,使用故障实例对故障诊断模型进行分类精度测试,验证了确立的输出类型与所选输入量间建立联系的可行性,并与其他故障诊断模型进行对比,表明了论文所建立模型的诊断精度较高,并且在诊断速率上占有很强的优势。根据提出的故障诊断模型,进行了变压器故障诊断系统的原型设计,为后续的应用于工程实践的故障诊断系统搭建奠定基础。