作为电力网络中最为关键的高压电气设备,变压器在电能的传输、分配以及转换中担负着核心任务。因变压器故障造成的非计划停电可能导致能量传输的中断,从而影响整个系统的运行稳定性,并带来巨大经济损失。因此,随着状态检修策略在电力系统的不断推广运用,进行变压器故障诊断相关研究,对变压器内部异常状态或故障做出准确判断,及时制定相应的检修或维修策略,从而尽可能降低因变压器异常事故对整个系统带来的损失与危害,对整个系统而言意义重大。本文根据当前变压器故障诊断方法所具备的问题以及特点,考虑将变压器在线、离线等数据相结合作为故障特征参量运用于故障诊断中,探索以多维特征量为基础的故障判定模型。构建了基于粗糙集与多类支持向量机相结合的故障诊断模型。对变压器故障因素进行细致分析,考虑将多种故障特征相关信息进行协同分析及综合处理,对故障特征参量进行初步补充,并给出了该模型故障分类规则的提取方法及流程。该方法实现了故障信息的综合利用,并将粗糙集在不完备数据与复杂模式刻画方面所具备的优良表现以及一对一支持向量机优良的分类与泛化性能进行有效融合。经故障诊断实例验证该方法能有效提升故障判定效率。构建了基于多维特征量相结合的故障诊断模型。将电气以及油试验等特征数据作为特征参量应用到故障诊断中,解决故障特征参量数量匮乏、携带的故障信息较为有限等问题,并利用特征评估与核主元特征分析方法进行特征降维融合,实现故障特征信息之间的互补融合。实例分析证明,该方法不仅能解决与弥补故障特征参量单一等不足,而且具有良好的判定效果。针对多维特征信息的故障诊断模型中单一智能算法故障判断能力有限的问题,基于信息融合中决策融合的理念,考虑采用D-S证据理论对其进行改进,构建了基于多维特征量与故障决策相结合的多层次信息融合的故障类型判定模型,以期能够同时解决信息单一和方法单一的问题。实例分析证明了该方法的准确性、可行性,且能进一步改进与提升故障识别效率。