目前，电力系统的检修体制正由定期检修向状态检修转变，而状态检修是以了解电气设备的运行状态为基础的。　　 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。本文首先介绍了变压器的常见故障及油中气体的产生机理，研究变压器故障类型与油中特征气体的关系，并简要介绍、分析了几种传统的故障诊断方法。由于传统的诊断方法无法进行实时监测且诊断正确率不高，因此有必要开发可实时进行监测、诊断正确率高的诊断方法。　　 人工神经网络是目前应用最广泛的技术，且具有十分良好的发展前景。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，使得利用人工神经网络对变压器进行实时故障诊断分析成为切实可行的办法。本文在简要介绍人工神经网络的模型和学习规则之后，分别针对BP神经网络和RBF神经网络的拓扑结构、特点和常用算法进行了阐述，并利用这两种神经网络系统开发了针对油中溶解气体分析的变压器故障诊断系统。在变压器故障诊断的BP网络设计和RBF网络设计中，主要介绍了学习样本的收集及预处理，对输入输出模式特别是输入层数、输出层数进行了讨论，并对两种诊断方法进行了仿真。　　 通过对两种诊断方法的仿真结果比较可知，由于RBF网络本身的特性，使得在变压器故障诊断中采用RBF神经网络的诊断效果明显比BP神经网络的诊断效果要好。