变压器故障特征气体（CO2、CO、H2、CH4、C2H6、C2H4、C2H2）的含量与组分是诊断电力变压器故障及老化的重要特征量,准确检测变压器故障特征气体的含量及组分对分析早期潜伏性故障、保障变压器安全运行具有重要意义。拉曼光谱气体检测技术已呈现良好的应用前景,但准确定量方法缺乏深入研究。现有的光谱预处理过程依赖人工选取参数,大量处理时缺乏一致性和准确度;拉曼光谱定量未考虑包括激光功率、温度等对峰强的影响,且多是建立峰强与浓度之间的线性关系,准确度亟待提高。论文开展基于反向传播人工神经网络的变压器故障特征气体拉曼光谱检测定量方法研究,主要内容如下:1)研究将基线建模为低通信号的基线校正方法和基于高斯拟合的谱峰拟合方法,建立关键参数自选取的拉曼光谱峰强计算方法,有效降低人为因素对光谱预处理的影响。2)基于搭建的空芯反谐振光纤增强拉曼光谱检测平台,检测七种变压器故障特征气体（CO2、CO、H2、CH4、C2H6、C2H4、C2H2）,获得其拉曼光谱特征;研究各气体的拉曼特征峰的气体分压、激光功率及温度特性;结果表明:气体的拉曼峰强（峰高及峰面积）随气体分压及激光功率呈良好的线性关系;在实验温度范围内（20℃至90℃）各气体的峰强及频移随温度的升高而近似线性降低;建立了变压器故障特征气体拉曼光谱峰强样本库。3)建立了基于反向传播人工神经网络（BP-ANN）的变压器故障特征气体拉曼光谱定量分析模型;通过比较不同的优化函数、损失函数和网络连接方式,选取优化函数为Adamax、损失函数为Smooth L1loss、2层隐含层且神经元分别为50和100个的组合,对七种变压器故障特征气体在定量分析模型下的误差进行分析,发现测试集的误差最小值在未进行Z-Score标准化时分别为0.3、1.25、0.77、10.4、0.14、0.09、0.58;在进行Z-Score标准化后的测试集误差最小值分别为4.69×10-4、1.44×10-5、5.29×10-4、1.92×10-5、1.81×10-3、5.35×10-4、1.50×10-3;七种变压器故障特征气体在100 Pa分压下,各气体的定量准确度平均为91.1%,在500 Pa分压下,各气体的定量准确度平均为95.4%。论文研究的拉曼光谱反向传播人工神经网络定量分析方法具有较高的准确度,为变压器故障特征气体拉曼光谱准确检测奠定了基础。