变压器作为电力系统的能量交换枢纽,承担着电压传输及转换的任务,在电力系统中起着至关重要的作用。一旦变压器发生故障,将导致大面积停电,不仅影响人们的正常生活,还会造成严重的经济损失。差动保护作为变压器保护的主保护,其能否正确可靠动作,直接影响到变压器的安全稳定运行,而如何准确地识别变压器励磁涌流、和应涌流和短路故障电流是目前差动保护的主要问题,研究一种励磁涌流、和应涌流识别的新方法,可以有效提高变压器保护的可靠性。对变压器产生励磁涌流、和应涌流的原理进行理论分析,通过MATLAB/Simulink仿真软件搭建励磁涌流、和应涌流以及故障电流仿真模型,分析励磁涌流、和应涌流以及故障电流的特性。针对励磁涌流、和应涌流以及故障电流波形的不同特性,提出基于BP神经网络的变压器涌流识别方法。将仿真出的励磁涌流、和应涌流以及故障电流波形作为原始数据,提取特征作为BP神经网络的输入,分析BP神经网络的工作原理,设计BP神经网络模型进行电流类型识别。结果表明,基于BP神经网络的变压器涌流识别方法,对励磁涌流、和应涌流以及故障电流的识别准确率达到了 93%,能够正确识别出变压器产生的三种电流。利用卷积神经网络在图像处理方面独特的优越性,提出基于卷积神经网络的变压器涌流识别方法。提出一种二维灰度图构建方法,将仿真出的励磁涌流、和应涌流以及故障电流波形数据构建成二维灰度图作为卷积神经网络的输入,根据卷积神经网络原理,设计了可用于变压器涌流识别的三层卷积神经网络,识别结果表明,基于卷积神经网络的变压器涌流识别方法可以准确识别出变压器励磁涌流、和应涌流以及故障电流,识别准确率高达97.5%,该方法减少了特征提取环节,简化了识别过程,提高了识别准确率。