神经网络用于设备故障诊断起源于80年代末期。1989年美国柏杜大学的Venkat Venkatasubramanian和King Chan等人将人工神经网络用于故障诊断中,并与基于知识的专家系统进行了比较。他们确定了18种征兆(输入节点)和13种故障类型(输出节点),隐层有5～27个节点。所用的算法是反向传播算法,获得了理想的结果:它能正确地确定94%～98%的故障原因。美中不足的是训练时间太长;并且训练时输入的数据不是实时的;人工神经网络映射连续变量比映射布尔量要困难得多。尽管如此,他们仍然是第一次将人工神经网络成功地应用于模式匹配和故障诊断中。 现代设备技术水平不断提高,生产率、自动化要求越来越高,相应地,故障也随之增加。变压器作为电力系统中非常复杂而且非常重要的设备,其工作状态对电力系统、企事业单位生产及居民生活具有十分重要的影响。如何提前对变压器故障进行预测和在故障发生后迅速判断故障原因是提高工作效率、减小经济损失的一个重要途径。因此研究变压器故障诊断对保证系统安全、可靠、经济运行,提高经济效益具有重要意义。