电力变压器是电力系统中最重要的电气设备之一,也是导致电力系统事故最多的电气设备之一,其运行状态直接影响系统的安全性水平。及早发现变压器的潜伏性故障,保证变压器的安全运行,从而提高供电的可靠性,是电力部门关注的一个重要问题。因此,研究变压器故障诊断技术,提高变压器的运行维护水平,具有重要的现实意义。本文主要对电力变压器故障性质的诊断和故障部位的诊断方法进行研究。首先,针对变压器故障气体与故障类型的关系,建立结构为5-12-6型的变压器故障诊断人工神经网络模型。采用6种改进BP(Back-Propagation)算法及原最速梯度下降法对已建立的网络模型进行训练,使用训练好的网络模型对变压器样本进行故障性质的诊断。通过仿真比较了6种改进BP算法在变压器故障诊断中的性能优劣。其次,利用粗糙集理论对不完备的变压器故障信息决策表进行属性约简和规则的提取,得到决策表中隐藏的规则(即“if...then...”规则),利用此规则构建Petri网络模型,并利用Petri网进行故障诊断。将粗糙集理论与Petri网结合起来一同进行变压器故障部位的诊断。最后,通过故障实例验证了,基于人工神经网络对变压器故障性质的诊断和基于粗糙集理论和Petri网对变压器故障部位的诊断都能准确的、快速的得到诊断结果,达到预期效果。