众所周知,变压器是电力系统之中至关重要的转换设备,其在传输电能方面扮演着自己重要的角色。其一旦发生故障,轻则引起区域性停电事故影响居民的正常生活,重则引起整个电网的瘫痪给社会发展带来严重影响。因此,对于变压器的准确监控以及其相应的故障预警功能的研究显现出其独有的实用价值。由于变压器本身特性的缘故,电磁量相对而言比较复杂,单一的故障诊断方法已经无法满足精确诊断的需求,针对这一问题,本文将PNN神经网络和遗传算法及粗糙集理论相结合进行变压器故障诊断。主要工作内容如下:首先,本文介绍了变压器故障诊断的基础性知识以及目前研究的情况,重点介绍了在其出现问题之时的特征及其反映,以为后面的分析奠定基础。其次,研究了最基本的三比值法,利用MATLAB建立仿真模型,并利用数据进行验证试验。然后,论文对广泛使用的人工智能算法进行了分析,并以Probabilistic Neural Network神经网络(简称PNN神经网络)为例,同样利用MATLAB建立仿真模型,将其所得之数据与上述三比值之数据进行比较,进而证明PNN神经网络之优越性。最后,采用遗传算法优化PNN神经网络的平滑因子,在一定程度上削减了极端数据对系统准确性的影响和判断;引入了粗糙集理论进入诊断,利用其约简的优势对诊断输入的特征量进行了处理,简化了概率神经网络的输入单元,解决了信息量较大,诊断过程时间较长的不足之处。