我国经济的持续快速发展带动了电力工业的迅速发展,变压器是电网中最重要的设备之一,在整个电力系统中占有着十分重要的地位。确保变压器正常运行是电网安全的首要前提,大型电力变压器在运行时一旦发生突发事故,可能引起大面积的停电,造成重大的社会效应和经济损失。而且电力变压器的维修成本高、维修周期长,产生的各种经济损失也是十分巨大的。本文采用振动分析法开展电力变压器带电检测与故障诊断方法的研究与实现。在课题组提出的振动特征及提取算法的基础上,研究提出了一种有效的机器学习模型,并用于实际变压器的故障诊断。应用日益成熟的物联网技术与架构,开发、实现了基于Android平台的变压器振动监测与诊断软件系统。该系统通过云平台可以实现全天候、远程地对电力变压器进行带电、实时监测和故障诊断。本课题研究内容如下:(1)阐述电力变压器振动机理和基于振动的特征值及其提取算法。(2)基于振动特征值,分别对朴素贝叶斯分类模型和支持向量机模型进行了研究,通过对实验和现场变压器实测数据结果的对比与分析,提出并实现了一种针对电力变压器带电监测和故障诊断更为有效的机器学习模型及其诊断算法。(3)在上述研究结果的基础上,应用物联网技术及架构,设计、开发和实现了变压器带电振动监测与故障诊断软件系统。实际使用效果表明,所设计的系统能够有效地对电力变压器的健康运行状态进行远程和实时监测,提高了变压器运行的安全性、稳定性和可靠性。