变压器是输变电设备中的重要组成部分,一旦出现故障可能会造成大面积范围停电,变压器能否正常运行是关系到电力系统是否安全运行的关键。如何有效的对变压器故障进行诊断是当今重要的研究课题。论文在研究变压器故障类型和油中气体含量关系的基础上,分析国内外对变压器故障诊断研究现状,针对不足之处,提出了基于极限学习机的变压器故障诊断方法,通过仿真实验验证了模型的有效性,并对模型进行参数优化,得到更高的分类精度。主要研究工作包括:1.在研究变压器的结构和机理的基础上,分析了变压器故障和油中气体成分关系,并针对变压器状态数据采用基于时间序列的方法对故障数据进行筛选和预处理;2.提出基于在线序列极限学习机算法的变压器故障诊断模型,改进了极限学习机算法的不足,通过实例分析了不同参数对诊断模型准确率的影响,验证了模型的有效性;3.分析了在线序列极限学习机在故障诊断模型中存在参数设置问题,通过引入粒子群算法优化在线序列极限学习机,得到了优化的在线序列极限学习机故障诊断模型;并通过实验验证了优化模型的效果。