电力变压器是电力系统中最为关键的设备之一，电力变压器出现故障，轻者将会出现局部停电、设备损害事故，重者将会导致电力系统出现大面积停电事故。随着电力系统容量和结构的进一步加大，电力变压器在向大容量、高电压等级发展的同时，对其安全运行及供电可靠性也提出了新的要求，传统的变压器故障检测在可靠性、准确性、实时性方面已经不能满足现代智能电网的需求。　　 改进BP神经网络具有强大的多元非线性数据处理和函数逼近功能，能够利用原始样本数据通过模型内部自我学习训练获得准确度较高的预测诊断模型。将改进BP神经网络强大的预测诊断功能引入到变压器故障处理中，建立起能够真实反映变压器故障特性的智能预测诊断模型，能够实现变压器故障在线检测的要求，提高变电站的综合自动化水平。　　 本文结合变压器故障预测诊断在线监测的特点，选用改良三比值法与人工神经网络相结合作为变压器故障预测的基本数学方法；选取三层改进BP神经网络作为本文研究的主要模型结构；利用MATLAB中的神经网络工具箱，建立起三层改进BP神经网络变压器故障预测诊断模型。　　 在以上基础上，选取100组变压器故障原始样本数据对三层改进BP神经网络模型进行“学习”训练，获得了具有预测诊断功能的网络模型；挑选25组变压器在线监测数据进行仿真试验，并查看了模型预算误差收敛曲线，证明了采用改进BP神经网络变压器故障诊断预测模型预测变压器故障相对于传统的方法具有更高的故障诊断率，验证了基于改进BP神经网络在变压器故障预测诊断处理中的合理有效性。