变压器作为整个电力系统中最核心的设备之一,其重要性不言而喻,电力变压器是整个电力系统中最昂贵最复杂的电气设备,一旦发生事故,造成的直接和间接经济损失是巨大的。因此,电力变压器的故障预测研究尤为必要,在一定程度上可提前发现各种故障,有助于电力系统工作人员早做准备,将在萌芽中生长的故障及早铲除,从而避免由变压器故障停运引发的停电事故,保证国民经济发展。本文基于当前中国电力系统实际情况及特点,结合实际在线监测数据,建立了一种新的变压器故障预测模型。研究了变压器油中溶解气体的产生原理、产气来源、含量标准及与变压器内部具体故障类型的对应关系,并且针对变压器不同故障类型对应的主、次要气体成分进行了归纳总结,将每种故障原因进行了简单剖析。将四种常见单一预测方法(人工神经网络预测、时间序列预测、灰色预测和回归预测)进行有机融合,引入诱导有序加权平均算子和马尔科夫理论,建立了一种新的变压器油中溶解气体的预测模型。基于实验室已掌握数据对模型进行验证,实例分析表明,该模型优于四种单一预测方法,且与相关文献中方法对比证明本预测模型的精度优势,即模型对于预测精度提升具备一定的意义。基于主成分分析和代价敏感组合核相关向量机构建了一种新的变压器故障诊断模型。以7种常见油中溶解气体为基础,结合三比值法进行数据重构形成新的变量集合,并对重构后变量集合进行主成分分析确立8个特征主元作为模型输入,将代价敏感机制引入到核函数参数优化后的组合向量机中,最终构成故障诊断模型。结合已有数据样本进行实例分析对比,结果表明该模型具备较高的故障诊断精度,较其它模型诊断精度方面有了一定提升。将预测模型和诊断模型结合构成变压器故障预测模型,同时引入模型评判参数,并通过实例分析该预测模型具备一定的故障预测精度,可考虑指导工程实际变压器运行维修工作。