电力变压器是电力系统的枢纽,一旦故障,可能带来巨大经济损失甚至造成安全事故。近年来电力变压器年强迫停运率不断增高,2015年达到了0.136。因此开展电力变压器故障诊断技术的研究,提高诊断效率和正确性具有十分重要的意义,本文基于故障树和特征信号对电力变压器故障诊断进行了研究。研究了故障案例结构化表达方法,建立了变压器故障案例库;基于案例库,研究了Apriori算法进行故障案例的强关联规则挖掘,获得了故障现象与现象、现象与原因、原因与原因之间的强关联规则。为充分利用现有案例信息,给出了变压器故障桥接信息定义,研究基于桥接信息的弱关联规则挖掘方法。建立了基于强弱关联规则的故障案例相似度模型,支持相似故障案例检索。研究了基于相似故障案例的变压器故障树自动建模方法。建立了检测异常序列的可达矩阵,通过矩阵布尔交集计算获得故障树层级信息,支持故障树的自动构建,提出冲突消解策略对故障树中逻辑和流程错误进行检验和修正。利用该故障树生成方法建立了绕组受热类故障树,与对异常序列分析建立的故障树一致,验证了方法有效性。总结部分异常现象的非故障因素,作为故障树推理的先决判断条件,降低了非故障类异常的误报问题,提高故障诊断的准确性。研究了基于特征信号聚类分析的电力变压器故障诊断。分析了油中溶解气体与变压器状态的对应关系,提出了多层迭代XGBoost算法进行基于油中溶解气体的故障模式识别,实验表明多层迭代XGBoost算法分类正确率高于文献方法。针对局部放电信号研究了EMD与小波硬阈值法结合的去噪方法,实验表明该方法去噪效果好,畸变率低;针对局部放电信号区分性弱的特点,研究了特征提取方法,采用小波包分解计算各层能量作为能量特征;采用多层迭代XGBoost基于能量特征进行局部放电模式识别,经实验验证,该方法有效。基于上述方法研发了电力变压器故障诊断系统,设计了系统的体系结构和功能结构。实现了强弱规则挖掘、相似度建模、故障树自动建模和基于特征信号的故障诊断等功能。并通过某变压器故障实例对系统进行了验证。本文的研究内容对于丰富电力变压器故障诊断方法体系有理论意义,对变压器厂商降低维护成本有实用价值。同时本文方法对其他复杂设备故障诊断也有一定的适用性。