电力变压器是电力系统中的核心设备,肩负着分配和输送电能的重要作用。目前,我国有不少大型油浸式变压器的运行年限临近30年,这些变压器面临着严峻的老化问题,故障概率也会越来越高。大型油浸式变压器若出现故障问题,轻则造成不必要的设备损失,重则可能造成大规模停电事故。因此,开展对油浸式变压器的故障诊断和相应的健康状态评估是必要的。论文在原有研究的基础上继续深入研究了油浸式变压器故障诊断和基于故障诊断的状态评估方法。论文取得的创新性成果主要有:提出了一种基于集成算法的故障诊断方法,同时提出一种基于油中溶解气体分析（Dissolved Gas Analysis,DGA）的新的比值法作为模型的输入特征向量。并根据诊断结果提出一种变压器健康状态评估方法。首先将多分类支持向量机（Support Vector Machines,SVM）应用于油浸式变压器故障诊断中,并将动态权重思想引入粒子群（Particle Swarm Optimization,PSO）算法,提高其寻优能力,并通过改进粒子群（Improved Particle Swarm Optimization,PSO）算法优化SVM算法获得SVM分类模型的最优参数,最后将AdaBoost算法思想与通过IPSO优化的SVM分类器结合,形成多分类AdaBoost油浸式变压器故障诊断模型,并提出一种基于无编码比值法的气体特征组合作为故障诊断模型的输入。采用国际标准变压器数据集IEC TC 10和国内收集的439组变压器数据集进行泛化性验证。通过实例分析可知,本论文提出的基于集成算法的变压器故障诊断模型是有效的;与编码比值法、决策树、其他AdaBoost诊断模型及其他优化算法优化的SVM故障诊断模型的变压器故障诊断方法相比,提出的故障诊断模型有很强的泛化性和较高的准确率准确率。对于通过变压器故障诊断且未表现出故障状态的油浸式变压器随后进行状态评估,通过电力变压器实测客观数据,以主成分分析法确定各评估指标的客观权重;再引入行业专家多年的实践经验,主观研判评估指标影响健康状态的相对重要性,构建之间关系的相对重要性判断矩阵,运用层次分析法确定各指标的主观权重。然后再利用最小二乘法将客观权重与主观权重融合,得到评估指标的综合权重,结合模糊综合评估获得变压器健康度值及其所属健康状态等级。最后通过变压器所属健康状态等级来制定变压器的检修策略。