结合目前已有的变压器状态检修的学术成果和实践累积,进一步研究变压器状态评估与变压器故障诊断两种技术之间的关系,提出有效的状态评估与检修策略,对进行变压器设备的状态维修、减少成本、提高运行的稳定性,具有重要的学术价值与实际工程意义。所以我们采用分类器来明确气体和故障的关系,并且通过优化算法来得到较为准确的确定电力变压器故障和溶解气体的对应关系。由于基因表达编程算法这种优化算法,具有较好的搜索范围和搜索效率,所以将其用于优化分类器的所属关系。本论文所做工作有三个方面:第一,详细介绍变压器油中的气体产生原理以及变压器内部故障原理,并分析了变压器油中溶解气体和变压器故障之间的关系。并对基因表达编程算法的原理,优缺点,以及与遗传算法的区别,做了十分详细的描述。第二,建立了一个基于二进制分类器的变压器故障分类模型,并通过查阅文献得到相关变压器故障数据,对故障数据进行处理,搭建了一个变压器故障判断模型。第三,在该变压器故障判断的基础之上,通过基因表达编程算法进行优化,从而得到逼近真实的油中气体分析和变压器故障的对应关系。本文提出了一种新的变压器故障诊断法方法。本文首先对变压器故障的相关传统方法进行了介绍,例如:IEC三比值法,罗杰斯法或是模糊逻辑,专家诊断,人工神经网络等人工智能的故障检测方法。然后介绍了溶解气体分析的相关原理以及前人对溶解气体分析和电力变压器的故障关系研究进行了介绍。并对部分的人工智能算法进行了介绍,主要介绍了人工神经网络,支持向量机,在详细介绍了基因表达编程算法的原理及计算法方法。最后本文建立了一个基于基因表达编程的变压器故障诊断模型,在文献中收集了大量变压器故障数据搭建了一个二进制分类器故障分类模型,并用基因表达编程进行优化求解。最后通过一个在文献中中的得到的实例,并与人工神经网络方法以及模糊算法进行比较,证明的本文方法的可用性。