大型电力变压器是电力系统中最重要的设备，也是导致电力系统事故最多的设备之一。随着国内用电需求急剧增加，电力系统亟待解决提高供电可靠性、合理延长设备使用寿命等问题，迫切需要能够准确、及时判断出变压器潜伏性故障的诊断方法。根据变压器油中溶解气体组分性质和含量的变化诊断其内部潜在故障为国内外广泛采用，基本原理是不同类型的变压器故障对应不同的变压器油中溶解气体性质和浓度。采用在线气相色谱分析法，定性定量地对渗透组分进行分析检测是目前国内外采取的主要手段之一，利用在线监测系统自动地采集色谱数据，准确找出色谱峰、辨别色谱峰的成分和扣除基线，最后精确计算每个色谱峰对应的成分和浓度，从而掌握变压器的工况并判断其内部故障。　　 本文针对在研的变压器油气在线监测系统项目在不同地域和季节出现的组分色谱峰错判、分析谱图不能识别等问题，在深入分析和对比目前通用和传统的色谱算法的基础上，提出基于BP网络的峰辨识和峰定性算法以及基于小波滤波的峰定量算法研究，并且在此研究基础上建立一套适用于变压器油气在线监测的智能色谱处理系统，实现油中溶解气体定时在线智能化监测，为正确预估变压器的潜在故障提供可靠准确的油中溶解混合气体的各组分的性质和浓度的数据。　　 本文依据色谱分析流程特点和原理，建立了结构为2-8-2型、学习算法为GDX(自适应学习速率动量)的BP网络，利用该BP网络得到的预测值，实现色谱峰识别率达到99.85％以上，峰定性准确率达到99.5％以上，满足实际要求。提出基于小波滤波的峰定量算法，用现场获得数据进行混合组分浓度测试，测得值与真实值之间的相对误差为2％，完全符合系统设计要求。基于Visual C++6.0的集成开发环境，利用C++语言开发出智能色谱处理系统的GUI界面和核心算法，实现色谱处理的智能化。该课题设计已应用于实际科研项目中，在多台大型电力变压器的工况监测、故障诊断中取得较好效果，对于我国大电网安全建设具有良好的应用前景。