改革开放以来随着我国经济的迅速发展,用户电力需求激增,电网规模随之越来越大。变压器是电网中重要的输电、变电设备,在电网中处于枢纽地位且极为昂贵,其运行状态对电网的稳定性具有重要意义。但是由于变压器自身结构以及工作环境等因素影响,铁芯和绕组故障占据了事故的90%以上。对电网的稳定运行造成严重威胁,并且一旦发生故障将会造成巨大的不可挽回性的经济损失。对变压器进行在线监测,在发生故障之前及早发现并排除其存在的故障隐患,成为保证供电可靠性的重要方法。本文对变压器绕组和铁芯振动的原理进行了研究,并给出了改善绕组轴向稳定性以及控制磁致伸缩的措施以减小绕组、铁芯振动。接着对绕组和铁芯的振动传播途径做了介绍,还从理论方面论述了振动法应用于监测变压器绕组及铁芯状态的可行性。为了实现对变压器振动信号的在线采集,设计了电力变压器振动在线监测系统,并采用C#软件开发了振动在线监测系统平台。该系统可以实时采集变压器油箱表面的振动信号,并实时显示信号的时域波形以及进行简单的信号分析。基于频谱图对变压器不同测点处的振动信号进行了分析研究。将采集到的同一位置不同相及同一相不同位置的振动信号变换至频域进行了对比分析,得到如下三个结论:(1)在相同电压侧,同一测点位置,对于变压器不相同相的振动信号,其边相的基频幅值大于中间相的幅值,并且两边相幅值相似。(2)相同的电压侧,变压器不同测点的振动信号的基频幅值为上侧大于下侧,但是上中下三个频谱中频率特征具有相似性。(3)会产生高次谐波分量,高次谐波分量不断衰减在1000Hz以后基本衰减为0。因此在精度要求不高的情况下可以按上述结论减少测点,能够节约成本并且大大减少以后分析数据的工作量。为了提取变压器振动信号的特征,本文应用了基于小波包变换的信号特征提取方法。这种方法可以将信号的特征提取为数值特征,为变压器机械故障的智能诊断奠定了基础。本文最后将改进粒子群算法优化后的神经网络模型应用于变压器机械故障诊断中。实验结果表明,所提出的方法可以有效的诊断变压器的机械故障,并且其性能是优于传统的诊断算法。