电网能够安全稳定的运行离不开每个电力设备的正常运转，特别是电力变压器在电力系统中的重要地位，肩负着电压等级变换、配电和潮流控制的职责，在运行过程中受到大电流、高电压和外界环境等影响时，内部结构和线路很可能发生不同程度的劣化甚至故障，这将严重影响变压器的安全绝缘。因此，如果能准确、实时地了解变压器的运行状况将会极大地提高电力系统运行的安全稳定性。
　　首先，对变压器绝缘油中气体的产生机理、故障与气体含量的对应关系以及气体常用的提取和分析方法进行了阐述分析，表明了油中溶解气体作为变压器在线监测指标的实际意义，而对常用三比值法不足的分析也证明了提出更有效诊断方法的必要性。
　　其次，提出了基于灰色模型残差修正的变压器故障特征气体预测算法。在传统灰色模型预测结果的基础上，利用残差自适应回归算法进行修正，并进一步通过马尔可夫理论估计残差的后续变化范围。传统灰色模型中MGM(1,n)模型考虑到多变量之间的相互关系更适合变压器这种多故障特征的预测问题，比GM(1,1)模型预测效果更好，而本章提出的算法能够有效克服灰色模型随预测时间跨度的增加准确度显著下降的不足，同时与其他算法相比也存在精度优势。
　　再次，提出了基于LSTM-DBN模型的多层评估变压器故障诊断方法。在探索了超参数的拟定标准和数据的标准化方法的基础上，利用DBN和LSTM模型对变压器进行故障类型诊断，并采用D-S证据理论对两者的结果进行了客观有效的融合。结合已有数据样本进行分析对比，结果表明融合之后模型的诊断准确度和结果的可信度都有所提高，与其他四种故障诊断算法相比也具有更高的稳定性和准确性。
　　最后，结合前面提出的故障特征预测模型和故障诊断模型，融入状态预评估标准，建立了完整的多源信息评估的电力变压器状态预测模型。从历史数据、运行工况、在线监测三个方面，对多个子指标提出了科学有效、可操作的评分机制，并结合复合权重计算方法进行综合评估，对状态不达标的变压器进行油中气体含量的预测和故障类型的识别，指导后续维修决策的提出，通过实例分析表明了本论文提出的完整状态预测模型的可靠性和实际工程意义。