变压器是电力系统中用于电压等级变换的核心设备,而变压器的工作状况将直接影响着整个电力系统的正常运行。本文在分析当前变压器故障诊断方法以及面临的问题基础上,深入了解了PNN概率神经网络在故障诊断中的应用,针对其网络参数平滑因子对故障诊断能力的影响,提出通过改进鲸鱼算法（Improved Whale Optimization Algorithm,WOA）对（Probabilistic Neural Network,PNN）概率神经网络进行优化的故障诊断方法。首先,通过分析实际应用中变压器几种常见的故障类型以及油中溶解气体分析的基本原理,针对传统故障诊断方法如三比值法存在编码缺失或边界条件过于绝对等问题,引用人工智能技术中的PNN神经网络进行诊断,通过实验仿真分析发现PNN神经网络具有理想的分类效果,后续采用智能算法优化PNN神经网络应用于变压器故障诊断具有一定的优势。其次,针对PNN神经网络存在参数平滑因子对网络故障诊断精度的影响,采用近几年新提出的鲸鱼优化算法对平滑因子进行优化,并通过引入应用比较广泛的灰狼算法进行实验仿真对比分析,证明了该算法较强的寻优能力,并以此验证了WOA-PNN模型故障诊断能力。最后,针对鲸鱼优化算法随机种群初始化无法有效获取空间内全部相关信息而导致全局搜索能力不足,采用Skew Tent混沌序列和Logistic混沌序列相结合的初始化策略,利用Skew Tent混沌映射较高的搜索效率,产生最优初始化种群,然后结合Logistic混沌映射的非重复性从而保证种群多样性,从而加强算法的全局搜索能力;针对线性收敛因子使得算法前期无法快速减小,从而使鲸鱼个体无法快速进入局部开发阶段,采用非线性改进策略,从而保证全程较快的收敛速度。通过六种不同的测试函数对算法进行测试对比并建立变压器故障诊断模型进行实验仿真对比分析,验证了IWOA-PNN模型的有效性。