电力变压器作为电力系统中关键的电气设备，它的安全运行关系到整个电网的运行。500kV电力变压器的故障诊断研究对于超高压电网的安全可靠具有重要的实践意义。　　本文首先对电力变压器的故障类型及故障诊断技术进行了概述，总结了电力变压器发生故障的原因及故障隐患时表现出的各种异常征兆，介绍了变压器油中溶解气体分析(DGA)技术，然后运用人工智能的手段，对变压器状态检测所获取的数据进行分析和处理，从而掌握被监测对象的运行状态或故障原因。系统阐述了变压器故障类型和特征气体以及不同种类故障与不同种类特征气体含量之间的相应关系，由于神经网络对外界的输入样本具有很强的识别分类能力和联想记忆等信息处理特点，本文研究了以变压器油中溶解气体为特征量的神经网络故障诊断方法。优选了适应予变压器故障诊断的输入特征参量，构造了基于BP神经网络的500kV电力变压器故障诊断模型。最后，通过仿真试验证明，此种方法相对于传统的变压器故障诊断的方法具有明显的优越性和更高的故障诊断率。