摘要：支持向量機是以統計學習理論為基礎發展起來的新的通用學習方法,較好地解決了小樣本、高維數、非線性等學習問題。支持向量機分類性能的好壞很大程度依賴于核函數與核參數的選取。目前常用的參數尋優方法有網格搜索法、遺傳算法和粒子群優化算法。本文提出了一種基于支持向量機多分類的電力變壓器故障診斷模型,以變壓器油中5種特征氣體作為輸入,5種故障狀態作為相應的輸出,選用高斯徑向基核函數,使用網格搜索法獲取最優參數C、g。經實驗表明,該模型準確率為83.3%,具有較好的實用性。