Los transformadores de potencia son piezas complejas y extremadamente importantes de equipos eléctricos en un sistema de energía, desempeñando un papel importante en el cambio de voltaje y la transmisión de electricidad. Su estado operativo afecta directamente la estabilidad y seguridad de las redes eléctricas, y una vez que ocurre una falla, puede provocar pérdidas económicas significativas e impactos sociales. Los métodos de detección tradicionales se basan en el nivel técnico del personal de operación y mantenimiento del sistema de energía, y se basan en la tecnología de Análisis de Gases Disueltos (DGA), que analiza los componentes de los gases disueltos en el aceite del transformador para un diagnóstico preliminar de fallas. Sin embargo, con los crecientes requisitos de precisión e inteligencia para el diagnóstico de fallas en transformadores en las redes eléctricas, el método de análisis DGA ya no puede cumplir con los requisitos. Por lo tanto, este artículo propone un método mejorado de diagnóstico de fallas en transformadores basado en una red neuronal BP residual. Este método profundiza la red neuronal BP apilando múltiples módulos de red residual, y fusiona y expande la información de características de gas a través de una red neuronal BP mejorada. En la red neuronal BP residual mejorada, se introduce SVM para juzgar los vectores de características extraídos en cada capa, filtrar los vectores de características con alta precisión y aumentar sus pesos. El vector de características con el peso acumulado más alto se selecciona como entrada para el diagnóstico de fallas en el transformador. Este método utiliza el mapeo de red neuronal de múltiples capas para extraer información de características de gas con diferencias de características más significativas después de la expansión de fusión, mejorando así efectivamente la precisión del diagnóstico. Los resultados experimentales muestran que, en comparación con los métodos tradicionales de red neuronal BP, el algoritmo propuesto tiene una mayor precisión en el diagnóstico de fallas en transformadores, con una tasa de precisión del 92%, lo que puede garantizar el funcionamiento sostenible, normal y seguro de las redes eléctricas.