مدل مشروح r-l-c-m ترانسفورماتوهای قدرت نه تنها به طور گسترده ای برای مطالعه حالت-های گذرای ترانسفورماتورها برای تشخیص توزیع ولتاژ در سیم پیچ ها به کار می رود، بلکه در مطالعات حالت گذرای سیستم های قدرت نیز بسیار مفید می باشد. مدل هایی با تعداد عناصر کمتر معمولا برای مطالعات سیستم قدرت کاربردی تر هستند؛ اما منجر به کاهش دقت مدل می شوند. استفاده از روش-های نوین بهینه سازی برای کاهش مرتبه مدل مشروح یک ترانسفورماتور از جمله اهداف این پایان نامه می باشد. مزایای روش پیشنهاد شده عبارتند از: 1. دست یافتن به مدل هایی با مرتبه کمتر و با دقتی قابل مقایسه با مدل کامل 2. داشتن قابلیت انعطاف برای انتخاب تعداد عناصر مدل بسته به اندازه و دقت مورد نیاز در این پایان نامه توانایی سه الگوریتم ژنتیک، باکتری و اجتماع ذرات برای کاهش مرتبه مدل یک ترانسفورماتور واقعی kv 400 بررسی شده و با مقادیر محاسبه شده با روش های ریاضی مقایسه می شوند. نتایج حاصل از این برسی ها حاکی از برتری روش ارائه شده نسبت به روش های مبتنی بر روابط ریاضی می باشد.