Uslijed velikih troškova zamjene energetskog transformatora sve više pažnje se posvećuje njegovom nadgledanju i preventivnom održavanju. Prvo poglavlje daje uvod u problematiku analize stanja izolacije transformatora, te nudi rješenje u obliku jednoznačne vrijednosti koja opisuje to stanje. Tu vrijednost nazivamo indeksom zdravlja. Također u ovom poglavlju su dati glavni uzroci kvarova transformatora, te komponente koje su pod najvećim utjecajem istih. Na kraju su nabrojani i testovi dijagnosticiranja kvarova i njihova učestalost. U drugom poglavlju ovog rada opisani su parametri koji najvise utječu na indeks zdravlja energetskog transformatora. U tu grupu parametara spadaju analiza rastvorenih plinova, furanski spojevi, probojni napon ulja, faktor dielektričnih gubitaka, sadržaj vode u transformatorskom ulju i ukupna kiselost transformatorskog ulja. Osnove umjetnih neuronskih mreža, zajedno sa teorijom prediktivnog modeliranja, su opisane u trećem poglavlju. Posebna pažnja se posvetila backpropagation algoritmu, te klasifikacijskom i regresijskom prediktivnog modeliranju. U četvrtom poglavlju je prikazana analiza indeksa zdravlja koristeći programski paket MATLAB i njegov ugrađeni alat za kreiranje umjetnih neuronskih mreža NNTOOL. Analiza se vršila na grupi od 50 transformatora, čiji su ulazni parametri i indeksi zdravlja preuzeti iz literature. Nakon toga su uspoređeni rezultati umjetne neuronske mreže sa onima preuzetim iz literature, te je konstatirana točnost neuronske mreže u predviđanju nove vrijednosti indeksa zdravlja za transformatore koji nisu korišteni za vrijeme njenog treniranja. Peto poglavlje predstavlja zaključak o rezultatima primjene umjetnih neuronskih mreža pri analizi indeksa zdravlja energetskog transformatora.