电力变压器是电网运行非常重要的主设备，目前电力变压器现有运维相关的信息化手段和软硬件产品缺少较好的故障隐患预测能力，常规的机器学习方法需要大量的有效样本数据，对电力变压器只有少量故障数据可用的现实情况提出了挑战。文中以知识图谱技术为基础，结合梯度提升决策树，提出了结合变压器故障各影响因素以及历史运行数据的知识图谱少样本训练及故障预测方法。该方法在有限的变压器故障特征数据可用情况下，能够从一小组高维数据中学习，并在高准确率下实现对变压器的安全状态评估及故障分析。实验结果表明：该方法相对于人工神经网络、逻辑回归等其他学习方法，预测准确率高，具有较好的先进性、实用性和推广意义。