变压器是电力系统的核心设备,其能否稳定运行直接关系到电力系统的安全。目前,矿物油(变压器油)常被用作变压器的绝缘和冷却介质。运行过程中,变压器绝缘性能将逐渐劣化,绝缘能力降低,通过对变压器油的气相色谱分析,可以在不解体变压器的情况下,对变压器做出绝缘性能的诊断,若配合其它测试手段,可以进一步确定变压器的绝缘状况和维修策略。因此,开展变压器油中溶解气体在线监测系统研究具有重要的学术意义。本文首先对变压器油中溶解气体在线监测方法进行了深入研究,在对比分析传统油色谱在线监测方法的监测机理和存在的问题的基础上,提出了具体的改进方案,设计了一套能够准确地监测变压器油中溶解气体的在线监测系统。仿真结果表明,该在线监测系统能够实时反映变压器绝缘的状态。针对在线监测的色谱数据,开展了数据滤波算法和绝缘故障诊断方法的研究,提出了基于卡尔曼滤波的色谱峰识别白噪声反卷积算法和基于小波神经网络的故障诊断方法,分别建立了数据处理模型和故障诊断模型,并对这两种模型进行了仿真研究。仿真结果表明,基于卡尔曼滤波的色谱峰识别白噪声反卷积算法具有更高的准确性和可靠性;基于小波神经网络的故障诊断算法明显优于传统的诊断方法,能够比较准确地定性和定量地对变压器绝缘的劣化状况做出判断,为设备维护维修提供支撑,具有一定的实用价值和应用前景。