随着特高压工作的逐渐开展，特高压工程规模逐年创历史新高，输电线输送距离越来越远，电压等级提高，变电容量不断增大。变压器保护的正确动作率虽然一直在升高，但相比线路、发电机等其他保护，其动作可靠性仍需提高。针对一直困扰变压器差动保护的准确可靠动作问题，即识别变压器涌流，本文提出了一种基于小波包与改进PSO-PNN网络的变压器保护算法。　　本文对三相变压器暂态仿真进行了深入分析，结合变压器复杂的暂态过程，分析了励磁涌流与和应涌流的产生机理及影响因素，建立了三相变压器励磁涌流、和应涌流和内部故障电流的仿真模型，考虑多种影响因素，对涌流和故障电流的波形特征进行归纳总结，发现涌流的波形均存在明显的间断，这也是与内部故障电流最大的差异所在。　　本文采用小波包算法对电流信号进行分解，提取能量特征值。首先对小波函数和分解层数进行选择，结合涌流和故障电流的波形特征，针对信号的突变点检测需求，最终选取coif4小波进行三层小波包分解。引入相对小波包能量的概念，对两者的小波包系数进行能量计算，提取特征能量。　　本文运用专门用于分类识别的概率神经网络（PNN），采用改进粒子群（PSO）算法训练PNN网络寻找全局最优，对PNN网络的输入输出、传递函数以及隐含层节点数进行确定，建立PNN的网络模型。利用MATLAB软件平台对改进PSO-PNN网络进行编程，对网络进行训练测试，与经典的改进型BP网络作运行性能的比较，并对样本实际输出与期望值的逼近效果和误差分布进行了综合分析，最后提出保护判据，并对判据进行了验证。最终总结发现PNN网络模型通过改进PSO算法优化后不仅加快了训练速度，而且具有较高的识别精度，验证了该保护算法的可行性和可靠性。