Detectar fallas en transformadores es crítico para evitar la pérdida no deseada de transformadores en servicio y garantizar la continuidad del servicio público. La diagnosis de fallas en transformadores puede determinarse en base al análisis de gases disueltos (DGA). Las técnicas tradicionales de DGA, como el triángulo de Duval, gases clave, relación de Rogers, Dornenburg y código IEC 60599, sufren de una mala diagnosis de fallas en transformadores. Por lo tanto, se ha desarrollado una investigación reciente para diagnosticar fallas en transformadores y la precisión diagnóstica utilizando métodos tradicionales combinados de DGA con inteligencia artificial y métodos de optimización. Este artículo utilizó una novedosa técnica metaheurística, basada en los algoritmos de Búsqueda Gravitacional y Optimización de Garganta de Cucharón (GSDTO), para mejorar la precisión diagnóstica de las fallas en transformadores, lo cual se consideró novedoso en este trabajo para reducir la interpretación errónea de las fallas en transformadores. La robustez del modelo construido basado en GSDTO fue abordada mediante un estudio estadístico utilizando las pruebas de rango de Wilcoxon y ANOVA. Los resultados revelaron que el modelo construido mejoró la precisión diagnóstica hasta un 98.26% para todos los casos de prueba.