1.一种基于IGWO‑BP的变压器故障诊断方法，其特征在于，包括如下步骤：步骤1：建立BP神经网络模型；

步骤2：初始化IGWO优化算法；

步骤3：通过IGWO优化算法对BP神经网络模型中初始设置的权值与阈值进行优化，具体步骤如下：步骤31：将BP神经网络初始设置的权值和阈值组成的矩阵X，将矩阵X作为个体狼的位置；矩阵X为：其中，Wij是隐藏层输入权值矩阵，Wjk是输出层输入权值矩阵，Bj是隐藏层阈值数组，Bk是输出层阈值数组；

步骤32：初始化狼群中p只个体狼位置，其中适应度最高的个体α狼、β狼和γ狼位置分别为：Xα，Xβ及Xδ；

步骤33：根据适应度最高的狼群个体位置Xα，Xβ及Xδ，更新狼群个体位置；更新狼群个体位置的公式如下：其中，

a是收敛因子，随着迭代次数从2线性减小到0；r1和r2取[0，1]之间的随机数；Xα(t)、Xβ(t)、Xγ(t)是狼群在t次迭代时最优的个体α狼、β狼和γ狼的位置；X(t)是在t次迭代时待更新的个体ω狼的位置；Dα(t)、Dβ(t)、Dγ(t)是ω狼分别向α狼、β狼和γ狼移动的距离；X(t+1)是狼个体在t+1时刻的新位置；

步骤34：采用BP神经网络输出层节点的均方误差MSE作为IGWO优化算法中的适应度函数，得到当前最佳的适应度函数值f(α)、f(β)和f(δ)及对应位置Xα，Xβ和Xδ；

步骤35：当f(α)≤0.005时，结束IGWO优化算法对BP神经网络模型的优化，将α狼的位置Xα作为BP神经网络模型的权值与阈值；

当f(α)＞0.005时，将适应度函数值低的狼群个体位置随机重新赋值，返回步骤33；

步骤4：通过变压器油中溶解气体的参数，对经IGWO优化算法优化后的BP神经网络模型进行训练，得到训练后的BP神经网络模型，具体过程如下：步骤41：计算隐藏层的输出Hj，公式如下所示；

其中，g1(x)是隐藏层激励函数，xi是输入；

步骤42：计算输出层的输出Ok，公式如下所示；

其中，Hj是隐藏层的输出，作为输出层输入；g2(x)是输出层激励函数；

步骤43：计算BP神经网络输出层节点的均方误差MSE；

步骤44：当MSE≤0.001或迭代次数达到最大时，BP神经网络权值和阈值训练完成；

当MSE>0.001且迭代次数未达到最大时，更新权值和阈值后返回步骤41，更新公式如下：步骤5：通过训练后的BP神经网络模型结合变压器油中溶解气体的实时参数对变压器进行故障诊断。

2.如权利要求1所述的基于IGWO‑BP的变压器故障诊断方法，其特征在于，所述建立的BP神经网络模型包括：n个输入节点、m个输出层节点、q个隐含层节点，n、m、q满足如下公式：其中，a为1至10中任一常数。

3.如权利要求1所述的基于IGWO‑BP的变压器故障诊断方法，其特征在于，所述变压器油中溶解气体的参数为变压器油中溶解气体的三比值数据。