現代設備技術水平不斷提高，生產率、自動化要求越來越高，相應地，故障也隨之增加。變壓器作為電力系統中非常復雜而且非常重要的設備，其工作狀態對電力系統、企事業單位生產及居民生活具有十分重要的影響。如何提前對變壓器故障進行預測和在故障發生后迅速判斷故障原因是提高工作效率、減少經濟損失的一個重要途徑。因此研究變壓器故障診斷對保證系統安全、可靠、經濟運行，提高經濟效益具有重要意義。 本文針對傳統故障診斷的若干弊病，提出了將神經網絡用于變壓器故障診斷系統。傳統的故障診斷方法大多是以領域專家和操作者的啟發性經驗知識為核心，知識獲取困難、推理效率低下、自適應能力差，并且常見的診斷方法常常由于其單一性而存在一定的誤差。同時由于故障征兆和故障類型之間常常存在復雜的非線性關系，使得診斷系統的數學模型很難獲取。而人工神經網絡以其分布式并行處理、自適應、自學習、聯想記憶以及非線性映射等優點，為解決這一問題開辟了新途徑。鑒于此，在開發變壓器故障診斷系統時，將神經網絡作為故障分類器進行設計。 本文首先分析了故障診斷和神經網絡的基本理論，并在此基礎上提出了神經網絡對于變壓器故障診斷系統的適用性;文中將BP神經網絡算法用計算機實現;并針對其本身存在的一些缺點提出了一系列改進措施，通過在修正權值的時候增加動量項，并且限制輸入值范圍來減小誤差、提高系統的診斷正確率;在對輸入數據進行歸一化處理的時候，采取按類逐項歸一化的方法，避免了輸入數據出現0或者1而使訓練進入平坦區。這樣可以大大提高系統的診斷效率和診斷正確率。將變壓器診斷中典型的油中氣體分析法和神經網絡方法相結合，采用Java語言開發出界面友好、性能優秀的變壓器故障診斷系統;此外，文中還詳細探討了網絡各結構參數的選擇方法，并且就變壓器這一實際診斷系統，分析了不同結構參數對系統誤差的影響。在文章的最后，總結了神經網絡故障診斷系統的優秀性能以及它存在的不足，并且分析了未來神經網絡用于故障診斷的前景和發展方向。 關鍵詞 故障診斷；神經網；BP算法；變壓器油中氣體分析