现代设备技术水平不断提高，生产率、自动化要求越来越高，相应地，故障也随之增加。变压器作为电力系统中非常复杂而且非常重要的设备，其工作状态对电力系统、企事业单位生产及居民生活具有十分重要的影响。如何提前对变压器故障进行预测和在故障发生后迅速判断故障原因是提高工作效率、减少经济损失的一个重要途径。因此研究变压器故障诊断对保证系统安全、可靠、经济运行，提高经济效益具有重要意义。
　　本文将遗传算法与神经网络引入到变压器故障诊断中，引入了针对GA-BP神经网络算法的基于特征气体法的神经网络模块和基于改良三比值法的GA-BP神经网络模块对变压器油中溶解气体进行综合分析，判断油中溶解气体的特征，以此来诊断变压器可能发生的故障。在参考改良三比值方法的基础上，提出了基于遗传算法优化的神经网络的变压器油色谱故障判断模型。采用基于BP神经网络对变压器油色谱在线监测故障数据进行处理，可以直观的发现遗传算法提升了BP的预测精度并减少了计算时间，增加了在线监测结果的可比性，可作为变压器绝缘状况的辅助诊断方法。
　　本文在对油中溶解气体分析法进行深入分析后，以改良三比值法为基础,建立基于概率神经网络的故障诊断模型。然后，选取23组变压器故障原始样本数据对概率神经网络模型进行“学习”训练，获得了具有预测诊断功能的网络模型；选取10组变压器在线监测数据作为测试数据，并查看了训练数据网络的分类效果图和预测数据网络的分类效果图，结果只有两个样本判断错误，即只有两种变压器的故障类型判断错误，验证了基于概率神经网络在变压器故障预测诊断处理中的有效性。