干式变压器是电力系统中的关键性设备，对电力系统安全、稳定、可靠的运行起到至关重要的作用，因此一旦干式变压器发生故障，立即进行故障辨识是非常重要的。对干式变压器进行故障诊断，有利于发现干式变压器的早期潜伏性故障，及时进行状态维护，减少事故容量损失率，提高电网的供电效率，进而取得巨大的经济效益。因此，进行干式变压器故障诊断技术研究具有重要的现实意义。　　干式变压器的故障诊断是一个从故障信息到故障类型间的非线性映射过程，无法用精确的数学模型来描述，因此从单一角度进行故障辨识的传统故障诊断方法具有一定的局限性。而不同的故障信息，都会致使干式变压器呈现出不同的温度场分布特性，故此本文提出了一种基于温度场分布的干式变压器故障诊断方法，利用温度场的变化来反映干式变压器的故障特征。然而干式变压器发生故障时可以检测到的故障信息极其有限，因此本文在温度场有限元模型的基础上进行了故障特征数据的模拟，为故障诊断模型提供数据支持。结合人工鱼群算法和BP神经网络的优点，本文最终建立了基于人工鱼群神经网络的干式变压器故障诊断模型，进行干式变压器故障类型的诊断。本文的主要工作包括:　　1.干式变压器电磁热仿真建模。干式变压器的热现象是多种物理场相互作用的结果，其中电磁作用是干式变压器正常运行不可或缺的条件，为了弄清楚电磁热三者之间的关系以及为了更直观的展现温度场分布特性，本文采用大型有限元分析软件COMSOL Multiphysics进行干式变压器电磁热建模仿真。　　2.干式变压器故障信息模拟。研究电磁作用下干式变压器的温度场分布特性，并通过直接测量与软测量相结合的方法利用有限元软件进行相应故障点的温度场模拟，得出不同故障信息作用下的温度场分布特性，对其进行详尽的分析并收集相应的数据为干式变压器故障诊断模型提供数据支持。　　3.建立人工鱼群神经网络故障诊断模型。本文利用人工鱼群算法来训练神经网络，建立基于人工鱼群神经网络的干式变压器故障诊断模型，此模型兼有BP网络良好的非线性逼近能力和人工鱼群算法良好的克服局部极值、取得全局极值的优点。可以快速准确的对干式变压器的故障类型做出诊断，并且具有良好的诊断精度。