我国特高压电网以及未来全球能源互联网的建设，均对电力系统安全稳定运行提出了更高的要求。然而电力变压器作为电力系统中的重要元件，其保护装置的正确动作率相比于发电机、线路保护等仍有待提高。除去运行管理方面的原因外，变压器差动保护本身受励磁涌流等不平衡电流的影响是造成保护误动作的重要原因。为此，本文在分析励磁涌流识别方法研究现状的基础上，结合小波变换和神经网络理论，设计了一种基于小波和神经网络的励磁涌流识别判据。同时，为了探讨该励磁涌流识别判据在变压器微机保护装置中的应用，设计了一套基于小波和神经网络的变压器保护装置样机。　　本文首先采用 PSCAD仿真软件建立了励磁涌流与区内故障电流的仿真模型，得到了大量仿真数据，由仿真数据分析了励磁涌流的特点。然后按照多分辨率分析理论及Mallat快速算法，采用db3小波对励磁涌流与区内故障电流进行四层分解。依据帕斯瓦尔能量定理，计算得到第一至第四层的高频细节能量特征值，并将其作为特征向量送入BP神经网络进行分类判别。将仿真得到的470组数据作为训练样本，剩余235组数据作为测试样本，以神经网络测试结果与期望值的均方误差作为评价指标，得到了满足要求的最简BP神经网络，进而得出了励磁涌流的识别判据。MATLAB中的仿真测试结果表明，该判据能够正确识别235组测试样本中的励磁涌流与故障电流。最后，采用FPGA+ARM的双处理器结构设计了一套变压器保护装置样机，介绍了其硬件和软件设计。鉴于小波和神经网络算法运算量较大，普通软件实现方法耗时较长，本文采用面向数字信号处理的算法级开发工具DSP Builder搭建了励磁涌流识别判据的模型，由DSP Builder中的Signal Compiler模块自动将其转换成可在FPGA上运行的VHDL代码，完成了判据在FPGA上的实现。　　论文最后对全文工作进行了总结，并对进一步的研究工作进行了展望。