变压器在电力系统起着重要作用，其故障诊断模型大多在故障样本均衡的条件下进行设计，但实际在运变压器故障数据少，收集困难，导致故障样本数量严重不平衡。针对数据集不平衡时神经网络诊断效果差的缺陷，文章使用变体的生成对抗网络（WGANGP）平衡数据集的方法建立变压器故障仿真模型。结果表明WGAN-GP网络可以解决了GAN模型不稳定问题，确保了生成样本的多样性。仿真结果表明，通过样本增强技术重构的数据集优化神经网络，能使网络的诊断正确率更高。