在电力行业飞速发展的今天，作为电力结构网中起桥梁与纽带作用的电力变压器，其稳定运行与整个电力系统的安全性和可靠性息息相关。因此，电力变压器一旦发生故障，如何快速、可靠的确定电力变压器的故障类型，这对整个电力系统的安全稳定运行是至关重要的。通常情况下，在电力系统网络中，电力变压器的运行环境都比较恶劣，而且当故障发生时，传感器可能会发生误测或者是信号在传输过程中发生丢失，因而使得搜集到的故障信息不精确、不完备，这给电力变压器的故障诊断造成了很大的困扰。鉴于粗糙集理论具有很强的容错能力，本文运用粗糙集理论，以电力变压器不完备的故障信息作为对故障分类的条件属性集，考虑到可能发生的故障情况，建立决策表；然后运用辨识矩阵理论对该决策表进行约简以便得到更为简单的诊断规则，从而实现对电力变压器的故障诊断,并结合实例对故障诊断的准确性进行了验证，结果表明了应用粗糙集理论进行故障诊断的正确性。考虑到诊断规则的核心属性有可能会发生丢失，应用MATLAB神经网络工具箱的BP神经网络为例说明了核心属性丢失时解决方法。在大型发电厂中，配电网络一般都较为复杂，因此在配电网络结构中极有可能多台变压器同时发生故障（电力系统中变压器台数更多同时发生故障的可能性就更大），当此种情况发生而检修资源又不足时，如何做出合理的检修决策（科学的变压器检修顺序），避免故障变压器运行中跳闸，以便提高系统稳定性和供电可靠性是一个亟待解决的问题。变压器的检修决策问题实际上是一个多属性的决策问题，而优势粗糙集能够很好的解决带偏好关系的多属性决策问题。因此，本文提出了基于优势粗糙集理论的变压器检修管理决策。本文以新疆某一发电厂的厂用电系统和升压站中的变压器为例，以变压器故障对全厂保护、控制的影响程度，对供电系统安全的影响程度，对厂用电配电系统的影响程度等为条件属性，以变压器作为研究的对象建立序信息系统；然后，应用保持边界域分类质量不变的方法对建立的序信息系统进行约简，通过约简后的序信息系统决策表，得出决定变压器检修先后顺序的决策规则集；最后，根据该规则集给出了图5-1中3号厂高变检修，6kVⅢ段由1号厂高备变带时几台变压器同时故障时的检修排序。该方法的提出优化了变压器检修资产的管理，增加了变压器检修管理的透明性和合理性，对其它变电设备的检修管理很有借鉴意义。