变压器是电力系统中的核心设备之一,它能否可靠运行直接影响到电力系统的安全与稳定。随着电网的发展,传统的变压器故障诊断技术在准确性、可靠性等很多方面已经不能满足现代智能电网的需求。因此,不断探索和研究变压器故障诊断的新技术、新方法具有十分重要的现实意义。论文以变压器故障诊断技术为研究背景,根据现阶段常用的变压器故障诊断技术,提出了基于信息融合的变压器故障诊断方案,构建变压器故障诊断模型结构,并借助于 Matlab仿真平台进行仿真,验证了方案的可行性。　　首先,论文以信息融合技术为基础,提出了将信息融合技术中的BP神经网络和DS证据理论结合起来应用于变压器故障诊断中,构建两个并行的BP神经网络分别应用于油中溶解气体分析法和电气试验法进行变压器故障局部诊断,建立系统的基于信息融合技术的变压器故障诊断模型。其次,论文对几种改进的BP算法进行Matlab仿真训练、比较,挑选出训练时间短、迭代次数少的算法用于故障局部诊断。在BP神经网络局部诊断完成后,将局部诊断得到的结果作为DS证据理论的输入,通过吸收神经网络很强的自适应、自学习和容错能力,以及对不确定信息具有较强的鲁棒性,进行DS证据理论全局融合,提高了变压器故障类型的准确率。另外,当变压器同时出现多种故障时,对BP神经网络局部诊断的输出结果进行拆分,再对拆分后的数组分别对应的进行全局融合,实现对变压器同时存在多种故障时的准确诊断。　　在以上基础上,应用挑选出改进的BP算法对收集100组变压器故障原始样本数据进行学习训练,并挑选出5组变压器故障验证数据进行仿真试验,结果表明:BP神经网络进行局部诊断时,采用挑选出改进的BP算法,训练时间减少、迭代次数变少,局部诊断结果可靠性也得到提高。另外,将局部诊断的结果进行DS证据理论全局融合之后变压器的故障类型置信区间凸显,不确定因素减小,变压器故障类型的可信度明显提高,实现了对变压器故障的有效诊断,为变压器故障诊断的研究提供了有效的途径。