为提高变压器运行故障识别的准确性,解决现有诊断方法存在问题,提出了一种基于随机森林(RF)的变压器故障识别方法.首先,获取油中溶解的氢烃气体数据,分为训练组和测试组.以基尼不纯度(Gini impurity)为准则,利用预处理后的训练组数据构建大量决策树(decision tree),生成随机森林.通过随机森林中每棵决策树对测试数据的识别和投票,得到测试结果,并评估各特征参量重要性.最后,通过测试数据,比较改进三比值法、支持向量机(SVM)与随机森林的分类效果;并利用3种方案对某变电站运行主变实际故障运行数据进行识别.数据识别结果和实例分析表明,所采用的基于随机森林的变压器故障识别方法较改进三比值法、SVM法准确率更高,解决了现有诊断方法存在的局部最小值、过拟合等问题,且在实例中的诊断结果与变压器返厂检修结论一致,具有良好的效果.