电力变压器是电力系统的重要组成部分，其运行状态对电力系统安全、稳定和经济运行有重要意义。因此对其进行状态监测与故障诊断，是十分必要的。本文主要研究了将加权模糊核聚类法同基于案例推理技术相结合应用于变压器故障诊断。案例推理作为人工智能领域的新兴技术，在故障诊断领域中已有其成功的应用。但由于案例推理本身的欧式距离检索算法不能反映样本数据之间的联系，从而使案例检索的效率不高，限制了案例推理在变压器故障诊断中的应用。针对案例推理用于溶解气体成分分析时存在的问题，本文首次将加权模糊核聚类方法（weighted fuzzy kernelclustering，WFKC）引入到电力变压器故障诊断中，该法首先考虑到样本中不同特征对聚类结果的不同影响，利用基于样本相似度的加权方法对样本特征进行加权，然后将样本从输入空间映射到高维特征空间，在特征空间实现加权模糊核聚类。形成的模型充分考虑了不同特征对聚类结果的不同影响，能有效改善复杂数据集的聚类性能，使检索效率大大提高。本文改进了基于案例推理在变压器故障诊断模型，建立了基于案例推理在变压器故障诊断系统，从而使故障诊断的正确率得到了提高。大量的实例验证表明了该系统对电力变压器故障诊断和分析的有效性和可靠性。本文所做工作将对电力变压器的故障诊断以及状态维修具有积极的指导意义。