由于单一类型的数据可能无法全面反映设备的实际状态，因此仅依据单一数据进行诊断可能会增加误判和漏判的风险。为此，研究一种基于RBF神经网络的电力变压器绝缘故障智能诊断方法。利用气相色谱——质谱法采集油中溶解气体浓度数据，利用特高频（UHF）传感器采集局部放电信号并从中提取特征参数。将油中溶解气体浓度数据与提取的局部放电信号特征组成集合。以特征集合作为输入，通过RBF神经网络输出电力变压器绝缘故障诊断结果。结果表明：所研究方法的故障诊断结果与实际故障类型有很高的重叠度；所研究方法的AUC-PR值相对更高且稳定，表明方法在识别故障样本方面具有更高的准确性和稳定性。