本文以变压器油中溶解气体为载体，通过分析变压器故障产生机理，采用人工智能算法对变压器故障进行诊断研究。根据变压器内部故障机理及故障类型，建立分层诊断模型，根据油中溶解气体组分对诊断的重要度，采用基于遗传算法的粗糙集约简方法对数据样本进行约简，得到多个特征子集。提出一种约简集选择算法，对多个特征子集进行筛选，得到最优特征子集，减少对每个特征子集进行训练与测试的工作量。采用二叉树原理建立多级分层的变压器故障诊断模型，将复杂的变压器故障诊断问题分步细化，避免了区域不可分问题的存在。采用支持向量机对故障数据进行训练建立故障诊断模型，通过调整惯性权重对粒子群优化算法进行改进，不但加速了支持向量机的惩罚因子C和核参数的寻优过程，同时提高了诊断精度。利用所提出的算法对某发电公司的两起变压器事故进行故障诊断，诊断结果与工程实际相符。对变压器进行在线监测是电网智能化的必然趋势，对变压器进行状态检修，首先要对其进行状态监测，状态监测分为离线监测与在线监测。通过变压器色谱智能监测系统的研制，对系统的油气分离单元、气体检测单元、微机控制及诊断单元的工作原理及结构进行研究，将所提出的算法通过系统软件的开放接口接入监控系统，并在某电厂两台主变压器监测系统上运行，结果表明采用本文算法的诊断结果与常规检测结果一致，且系统具有测试周期短、性能稳定等特点。