变压器作为电网传输和变换电能的主要设备，对DGA数据进行异常分析，可为变压器故障诊断提供理论依据。鉴于此，文中提出了基于DGA和IPSO-XGBoost的变压器故障诊断方法。首先，将特征气体划分为无编码比值作为特征参量输入极端梯度提升（XGBoost）模型，提出了基于XGBoost的变压器故障诊断模型；其次，通过动态调整惯性权重和加速因子对粒子群算法（PSO）进行改进，并利用改进的粒子群算法（IPSO）对XGBoost的关键参数进行迭代优化；最后，随机抽取1 614例故障类型已知的DGA数据进行算例分析。结果表明：相比于其它传统机器学习分类模型，XGBoost的变压器故障诊断正确率更高，且与传统PSO算法相比，所提方法可以更好克服粒子群寻优速度慢和易陷入局部最优等问题，可为变压器安全稳定运行提供有力保障。