变压器是整个电力系统的关键设备之一,对大型的变压器实施故障诊断技术和状态监测,可以保证变压器安全可靠地运行,同时保障送变电安全。它的可靠性和安全性将会直接影响整个电网是否能安全稳定运行,关乎企业运营和广大人民群众的利益。目前,准确诊断变压器故障类型的难度较大,并且无人值守变电站较为普及。增加研究变压器的故障诊断和对电气设备进行带电检测与在线监测,能及时对设备的运行可靠性做出判断和对设备的剩余寿命做出预测,从而及时地发现和排除故障,有效地提升电力系统运行的安全性、可靠性。变压器油中溶解气体的组分与含量在一定程度上能够反映出变压器的绝缘老化与故障的程度,可以作为反映变压器电气异常的特征量,以此作为能否有效地检测和诊断变压器故障准确判断变压器的潜伏性故障或故障隐患具有重要意义。本文主要介绍了BP神经网络及其改进算法,它能在输入其状态特征数据样本与一个或多个状态之间建立联系对于特定问题适当建立的智能诊断系统,可以从其输入数据直接推出输出数据(代表状态的类型),从而实现变压器状态检测和诊断。针对以往神经网络学习率的缺点,提出了跟踪型自适应学习率的确定方法,该方法仅需整定一个参数。最后结合变压器在线故障诊断构建了变压器故障诊断训练样本集,测试样本集和训练模型,并在此基础上进行了算例研究,结果表明采用改进BP神经网络的变压器在线故障诊断结果令人满意。