油浸式电力变压器是电力系统的重要设备，变压器故障可能会造成长时间的供电中断，尽早发现变压器故障具有重要的意义。油中溶解气体分析(Dissolved Gas-in-oil Analysis，DGA)是诊断变压器潜伏性故障最有效的方法之一。通过对变压器油中溶解气体的在线监测，可以实时或定时监测变压器的运行状况，判断其运行是否正常。近几年来，以模糊数学、神经网络、灰色系统等理论为基础的综合智能化诊断及模式识别等方面的研究已取得了很大的进展，并且已将这些研究成果应用于变压器油中溶解气体在线监测及故障诊断装置或系统中，对提高充油电力变压器运行的可靠性起到了重要作用。 本文采用光声光谱技术，以AVR单片机(ATmega16)为控制核心，并用多种串行通信方式设计了变压器油中多种溶解气体的在线监测硬件系统，主要完成数据的采集和初步的处理，同时把数据上传给上位机，在上位机中利用VisualBasic 6.0调用Microsoft的Access形成了数据库管理系统，对数据进行可视化操作，并利用Visual Basic 6.0调用Matlab7.0神经网络工具箱，分别采用反向传播(Back Propagation，BP)神经网络、对向传播(Counter Propagation，CP)神经网络、Elman神经网络和径向基(Radial Basis Function，RBF)神经网络对变压器进行故障诊断，最后用最小二乘加权融合诊断结果，与单个神经网络识别方法相比，该最小二乘加权融合集成神经网络可在故障特征比较类似的情况下，正确识别故障类型，且该方法的识别结果具有更大的安全间隔空间、可靠性更高，测试结果也表明了这些特征。