摘要：电力变压器是电力系统的重要设备,它的性能直接影响到电力系统运行的安全和可靠.针对变压器的故障诊断，本文分析了现有的基于变压器油中溶解气体的故障分析方法的优缺点,将其与支持向量机的分支——支持向量分类机相结合,充分利用了支持向量机小样本学习、推广性强、不陷入“过学习”的优点针对油中溶解气体与变压器故障之间的非线性分类关系，本文对数据进行了归一化处理，通过对核函数、求解方法以及参数的选取，得出具有最佳分类效果的支持向量分类机，组成了两层的故障诊断决策树，最终建立了变压器故障诊断模型。通过对模型的测试并将仿真结果与三比值法，BP 神经网络进行比较表明，本文的模型提高了故障分类的精度和效率具有较好分类效果.
