在现代电网中,电力变压器安全、经济、稳定的运行对整个电力系统甚至整个经济社会都起着至关重要的作用。当运行中的变压器发生故障时,往往会影响该地区的正常电力供应甚至造成严重的经济损失。为了及时发现变压器在故障发生前所存在的潜伏性故障以及故障发生后能够更准确判断出所发生故障种类,我们必须针对性地对变压器运行状态进行实时监测及故障诊断预测。传统的基于油中溶解气体分析技术(DGA)可以依据变压器油中溶解气体的组分来进行变压器的初步故障诊断。然而,随着现代电力系统对故障诊断准确度要求的不断提高,DGA分析法已不能满足要求,因此,许多专家学者提出了利用DGA与智能诊断技术相结合的变压器故障诊断方法,这些方法大大提高了故障诊断的准确性。本文在阐明变压器故障预测所具有重大意义的基础上,讨论了 DGA法、三比值法、杜威三角形法以及多种人工智能综合诊断方法在该领域的应用。详细介绍了基于支持向量机的变压器故障诊断方法的模型原理。为解决支持向量机分类精度不足的问题,本文又提出了基于帝国殖民竞争算法(ICA)来优化SVM参数的变压器故障诊断模型,并预先设置118组变压器运行状态样本信息,通过将上述样本信息与该模型诊断结论进行对比,从而验证了采用ICA算法优化SVM参数的变压器的故障诊断模型能够成功提高诊断准确度。