我国电力系统的电压等级不断升高,现已建成多个1000kV的高压交流工程,对应使用的变压器等级升高,容量加大,其故障会降低电力系统的运行稳定性,所以亟待提高变压器故障判别的正确性。本文针对变压器绝缘油中溶解气体的浓度测量与故障判别问题进行研究,在可调谐半导体激光吸收光谱测量系统的基础上,利用模糊C-聚类神经网络搭建故障判别系统,旨在提升变压器故障判别的正确性。对电力变压器传统故障判别法和可调谐半导体激光吸收光谱测量系统采用的朗伯-比尔定律与波长调制技术进行研究,实现对变压器多种溶解气体的浓度测量,并利用气体浓度数据进行变压器故障诊断;设计了变压器油中溶解气体检测系统方案,包括整体结构、电路结构、发射与接收单元和长光程吸收池,进行测量系统器件的选择,其中包括激光器等,利用免基线校准波长调制光谱法抑制基线漂移,并对特征气体C₂H₄、CH₄、C₂H₂和C₂H₆进行测量实验,H₂则通过用氢传感器进行测量。实验结果证明可以实现特征气体的准确测量;研究了神经网络在故障判别上的应用,搭建基于模糊C-聚类神经网络的判别系统,利用样本集进行训练得到模型,实现故障判别准确率的提高。利用可调谐半导体激光吸收光谱测量系统测量得到的变压器绝缘油中溶解气体浓度,输入到基于模糊C-聚类神经网络故障判别系统,可以对测量的变压器进行故障判别。