电力变压器作为电力系统的枢纽电气设备,其正常运行是电力系统安全运行的重要保证,研究变压器故障诊断具有重要的理论价值和实用价值。在变压器故障诊断中,故障原因与故障征兆间的关系尚不确定,即存在模糊性。模糊c均值聚类算法能将故障样本进行模糊划分,本文在此基础上提出了新的算法来提高变压器故障诊断正确率。在变压器绝缘故障中,不同故障类型产生的主要气体及气体组分含量存在很大差异,以油中溶解气体组分含量为特征量构成的样本,典型程度不一样,应区别对待。本文提出一种加权模糊c均值聚类算法,该算法对每个故障样本施加一个权,以区别不同故障样本点对故障划分的影响程度。将其诊断结果与模糊c均值聚类算法相比,该算法明显提高了故障划分的正确性与鲁棒性。在上述基础上,本文提出一种基于遗传算法的动态加权模糊聚类算法。该算法采用把聚类中心作为染色体的浮点数的编码方式,染色体长度可变,不同的长度对应于不同的故障类别数,在新的交叉算子和变异算子下进行迭代。实验结果得出,该算法不仅克服了模糊c均值聚类算法对初始值敏感问题,而且能够科学地反映故障样本数据的真正结构,从而提高了故障分类正确性。