变压器是电力系统的重要组成部分,如果出现事故,将对电力系统供电造成严重的影响。因此,评估变压器的健康状态、预测变压器将在何时出现故障具有重大的研究价值。本文研究了变压器绝缘系统所检测的特征参量,并将所检测的12种特征参量作为变压器健康状态的影响因子,采用主观赋予权重法和模糊C均值算法对变压器的健康状态进行判断。结合两种方法判断的结果,建立变压器健康状态预测模型所需的数据样本集。针对变压器健康状态不能被精准预测的问题,提出了一种基于深度降噪自编码神经网络的变压器健康状态评估方法,用于精准判断变压器的健康状态。该方法利用建立好的变压器数据样本集,基于不同的深度降噪自编码神经网络结构建立不同的变压器健康状态评估模型。确立最优的变压器健康状态评估模型,利用相同的变压器数据样本对基于深度降噪自编码神经网络建立的变压器健康状态评估模型和基于BP神经网络建立的变压器健康状态评估模型分别进行测试,结果表明基于深度降噪自编码神经网络建立的变压器状态评估模型优于基于BP神经网络建立的变压器健康状态评估模型。针对变压器故障不能被及时发现的问题,提出了一种基于深度LSTM神经网络的变压器故障预测方法,用于提前预测变压器的故障趋势,进而对变压器采取合理的检修方案。该方法将变压器油中溶解气体分析的7种故障气体浓度作为网络的训练数据,采用不同网络结构建立了不同的变压器故障预测模型,最后,确立了最优的变压器故障预测模型。利用相同的变压器数据样本,对基于深度LSTM神经网络建立的变压器故障预测模型与基于灰色多变量方法建立的变压器故障预测模型进行测试,结果表明基于深度LSTM神经网络建立的变压器故障预测模型优于基于灰色多变量方法建立的变压器故障预测模型。