电力变压器是电力系统的枢纽设备，其安全稳定运行直接关系到整个系统的供电可靠性。因此，有必要加强对变压器运行状态进行检测并根据检测信息准确判断其健康状况，以发现其潜伏性故障并及时采取有针对性的措施进行处理，防止缺陷变压器发展到恶性破坏，造成供电中断及其他安全事故。目前，变压器油中溶解气体分析法(DGA)是发现变压器早期内部故障比较有效的方法，已经得到了广泛的应用。例如，工程实际应用中利用IEC/IEEE推荐的三比值法进行故障性质判断，但其存在编码不全、编码边界过于绝对、诊断精度不够高等缺点。本文根据特征气体含量与故障性质的非线性映射关系，引入了人工免疫优化模糊核聚类的数学模型来进行DGA分析，以判断变压器故障类型。该模型利用人工免疫并行群体搜索策略，将待分类的样本数据视作抗原（Ag），把模糊聚类中心当作抗体（Ab），通过人工克隆免疫不断更新产生聚类中心抗体，去识别样本数据抗原，抗原-抗体亲和度的提高过程就是模糊核聚类目标函数不断优化的过程，避免优化过程陷入局部最优解及早熟问题，从而能够快速地获得全局最优解，达到变压器故障分类诊断的目的。通过实例验证并与模糊聚类的变压器故障诊断模型对比，证明了本方法的可行性及良好的诊断精度。为了获得可靠的诊断数据来源，需要一套标准化、效率化、信息化的预防性试验管理系统来获得准确试验信息，以支撑精确的变压器故障诊断模型。考虑到电力变压器与其他电力设备在试验管理流程、检测技术、故障类型等方面的共通性，将变压器故障诊断延伸至电力系统主要一次设备的预防性试验管理并进行功能扩展，构成一套完整的电力设备预防性试验综合管理系统，大大丰富了系统的功能及管理范围。该系统基于B/S架构，利用J2EE技术与MySQL数据库，实现集规程及作业指导书嵌入、流程管理、数据存储与查询、数据分析与评判为一体，可以方便高效的实现对试验全过程的管理。