一种基于多源信息融合的电力变压器故障诊断方法，所述方法将多个受限玻尔兹曼机和一层反向传播BP神经网络堆叠在一起，构成深度信念网络模型，利用采集的变压器故障数据对该模型进行训练，将变压器运行数据输入训练好的深度信念网络模型，得到各种故障的基本概率分配，然后再利用DS证据理论对故障概率进行融合，得到变压器诊断的最终结果。本发明将深度学习中的深度信念网络与DS证据理论相结合，可以在变压器错综复杂的数据特征中提取出潜在的有价值的信息，该方法很好地弥补了传统故障诊断方法的不足，能够有效提高变压器故障诊断结果的准确性，为电力系统的安全提供了保障。