电力变压器是最重要的变电设备,在电力系统中处于枢纽地位,其运行状态直接影响这整个电力系统的稳定性、安全性和可靠性。对电力变压器的故障进行有效的预测,既可给维护人员提供必要的参考以避免维修不足或过度维修,又可以保证供电的可靠性和用户的人生安全。如何提高预测的精度是研究的重点,也是难点,很多研究人员在这方面做了研究和探索。BP网络由于结构简单,易于建模而备受人们青睐。同时,我国的邓聚龙教授提出GM算法已被广泛用于人口预测、航空相机预测、道具耐用度预测等领域,具有广阔的应用前景。论文在广泛查阅相关文献的基础上,通过对GM算法和BP算法的深入研究,针对其本身的缺陷,提出了一些改进方法,并得到一系列相关的预测模型。通过仿真、比较,验证了这些理论的正确性、方法的有效性和预测模型的实用性。论文的主要工作包括:(1)对变压器故障预测技术做了总结;(2)对GM和BP算法做了深入的研究;(3)对变压器的GM预测模型进行了改进并实现了各改进模型的组合优化,即GM算法的“内组合”;(4)对变压器的BP预测模型进行改进,将遗传优化BP模型引入到变压器故障预测中,并针对遗传算法本身的缺点,引入了小生境技术、模糊控制理论及人工免疫等以实现了模型的优化,同时形成了优化模型之间的组合,即BP算法的“内组合”;(5)建立了基于改进的变压器GM预测模型和BP预测之间的组合优化,即基于GM和BP的“外组合”;(6)提出了基于GM算法和BP算法的“多级组合模型”。(7)论文对上述研究成果进行了系统的总结,并提出了进一步研究的方向。