变压器是电力系统的重要元件之一，其工作状态对电力系统能否正常安全可靠地运行具有十分重要的影响。本文首先分析了变压器故障诊断的理论基础，提出了神经网络对于变压器故障诊断系统的适用性，提出了基于BP网络的诊断模型，并通过对误差仿真结果的比较，说明了BP网络的可行性与优越性，确定了采用BP网络进行训练。在此基础上，讨论了基于BP神经网络的故障模式识别，结合实例讨论了如何对训练样本进行预处理，并比较不同算法在收敛速度和训练精度方面的优缺点，最终采用L-M算法对混合气体进行了对比识别，由此给出了仿真结果。该结果表明，L-M算法显著提高了网络的收敛速度及训练精度。最后，以气体组分百分比为输入，以故障性质为输出，给出了利用神经网络进行变压器故障诊断的实例。并对不同隐含层神经元个数下的学习收敛情况及采用BP人工神经网络诊断结果与三比值法诊断结果和实际故障结果进行了分析比较，该比较结果表明，采用神经网络诊断法比采用其他判断准则对同一故障性质进行判断的准确率有显著的提高。