电力变压器是电力系统的重要组成部分之一，也是系统中发生故障率最高的电气设备之一，它的安全可靠运行对电力系统的安全可靠供电有很大的影响。因此，研究变压器的故障诊断技术，实时发现变压器的潜伏性故障，使变压器能够稳定安全运行，对提高电力系统的供电可靠性，具有很重要的现实意义。论文讨论了变压器油中溶解气体的产生机理、产生速率，根据变压器油中溶解气体与变压器故障之间的相互对应关系，确定以油中溶解气体分析法进行变压器故障诊断。由于油中溶解气体分析法中的常用方法三比值法存在缺省和误判等缺点，模糊理论、专家系统以及灰色关联都存在一定的局限性，所以文中采取非线性映射能力强并且具有鲁棒性的BP神经网络，对变压器油中溶解的特征气体进行分析，从而对变压器故障进行诊断。对神经网络进行变压器故障诊断的原理和结构进行研究，建立了基于BP神经网络的变压器故障诊断模型。针对传统的BP法——最速下降法存在收敛速度慢、学习过程容易发生震荡等缺陷，提出了改进的BP法：动量BP法、弹性BP法、L-M优化BP法、贝叶斯正则化法和学习率可变的动量BP法，不同的改进BP法在不同程度上提高了BP网络的收敛速度和误差精度，提高了变压器故障诊断的准确率。论文分别用这些方法进行了变压器故障诊断模拟仿真，得出神经网络不同算法的仿真结果，由仿真结果可知，BP神经网络进行变压器故障诊断的准确率高于三比值法。通过对仿真结果和训练过程的分析，发现不同改进神经网络算法的变压器故障诊断仿真网络性能也不同，论文中最后对这些算法仿真结果进行了的比较，并详细讨论它们的优缺点。