大型变压器是电力工业中的最重要、最昂贵的关键设备之一，随着电力系统朝着超高压、大电网、大容量、自动化方向发展，其可靠运行关系到电力供应安全与否。开展大型电力变压器的状态监测与故障诊断技术研究，及早发现电力变压器早期绝缘潜伏性故障，对于保证变压器及整个电力系统的安全、可靠、稳定运行，具有重要的理论和实际意义。　　 论文以成都电业局电力变压器故障为诊断对象，通过对典型电力变压器故障及故障诊断方式进行分析，针对目前电力变压器故障诊断的特点及现状，将信息融合技术引入到变压器故障诊断领域中，研究基于多信息融合的变压器故障诊断方法。　　 首先，针对电力变压器故障诊断的不确定性及证据概率分配赋值的主观性，提出基于证据重要性和充分性的证据概率分配赋值分配方法，另外从融合冲突信息的特点出发，将证据融合信度分配中的不可知部分分成权重分配导致的不可知和信息缺乏导致的不可知两部分组成，优化了证据推理算法，减少诊断的不确定性。　　 其次，针对融合采用BP网络不易收敛、易陷入局部极小等缺点，给出一种基于多值编码的自适应遗传算法优化的小波神经网络，该网络比BP网络在收敛速度、收敛精度等方面都具有较好的性能。　　 通过成都电业局变电站110kV,500kV两台变压器故障实例验证了提出的基于信息融合的变压器故障诊断方法的有效性。