针对大型互感器隐形故障呈现出非时序特性，使得时间维度下的故障识别困难的问题，提出大型互感器非时序隐形故障正负序相量骨干粒子群(Bare Bones Particle Swarm Optimization,BBPSO)识别算法。收集大型互感器的电压及电流信号，对其正负序相量进行解析。结合傅里叶级数，进行线性叠加处理，得到时变的动态相量，分析非时序故障特征。在此基础上，引入BBPSO对非时序故障特征进行迭代分析，输出隐形故障识别结果。实验结果表明，该算法能够有效识别出大型互感器的隐形故障，且表现出的接受者操作特性曲线下面积较优，识别精度水平较高，在大型互感器运维工作中具有良好应用前景。