本文引入了神经网络这一新方法，并用它对变压器运行状态监测领域中的一系列关键问题进行了系统的研究。试验和研究工作从以下两个方面展开：一是将BP神经网络应用到基于油中溶解气体分析（DGA）的变压器故障诊断中，另一方面是应用ART和BP网络对局部放电（PD）模式进行识别。论文首先系统地论述了神经网络的模型和学习算法，然后围绕本文的研究目标进行深入的研究。将收集到的检测记录组成BP网的学习样本，根据BP网的基本原理提出了两种输入方式的BPNN诊断法。训练好的神经网络可对含有H2、CO等7种气体组分的监测数据进行处理，然后给出诊断结果。该新方法同传统的IEC三比值法的比较结果显示，神经网络诊断方法是优越的。针对局部放电信号的模拟和采集，提出了模拟局放的5种电极形式，并给出了相应的实验结果。本文首次引入了统计算子来提取PD信号的特征，并对已有文献中的一些错误加以修正。这些算子很好地反映了PD的相位分布特性，可以作为神经网络的输入特征矢量。针对ART2原始算法十分复杂难以应用的情况，提出简化了的SART网来处理作为输入向量的统计算子数据。结果表明，神经网络能很好地识别局放模式。尽管上述神经网络方法是就变压器讨论的，但它完全可以被推广应用到其它电力设备的监测和诊断中去。