随着国家工业现代化的推进,我国电力行业的飞速发展,各行各业的用电需求得到极大满足。电力行业正朝着更加稳定、智能、可靠、安全的供电目标,逐步数字化转型。电力变压器作为电网中的变电枢纽,其重要程度不言而喻。能够时刻保证电力变压器的安全稳定运行,对保证电网供电质量具有重要意义。电力变压器故障易出现在变压器短路和高负荷运行情况下,绝缘老化、绕组变形、垫块失效等是造成变压器严重故障的重要隐患。通过外部测量数据可以诊断变压器绕组是否存在隐患,预防变压器严重故障,并为指导变压器运行提供参考。本文涉及了数字孪生技术、变压器的振动信号仿真计算、油箱振动模型的建模、振动试验信号处理、神经网络算法研究。实现了采集油箱表面振动信号即可诊断出电力变压器绕组故障的目标。具体工作内容介绍如下:（1）电力变压器数字孪生模型构建。数字孪生变压器的首要基础就是对实体变压器的数字化建模。理论分析了绕组电磁力和铁心振动的产生机理以及结构件上振动的传递。以50MVA/110k V的实体电力变压器建立包含绕组、撑条、垫块、铁心、夹件和油箱的数字孪生模型。孪生变压器能够通过传感器获取实体变压器的实时运行状态数据,基于该数据进行仿真、诊断和评估等,从而指导实体变压器运行。（2）基于上述建立的数字孪生三维变压器数学模型,分析了变压器空载、负载、短路工况下的电磁特性和绕组电磁力铁心磁致伸缩变化规律,得到了变压器铁心绕组振动与油箱表面的振动之间的关系,结合传感器获取的实时数据,进行对比分析。建立绕组形变、垫块失效等常见故障绕组物理模型,研究了不同故障下振动的变化机理。（3）建立的数字孪生变压器振动信号采集系统,主要包含传感器的数量、传感器位置的选择,以及物联网技术的应用等;结合实体电力变压器搭建了振动测试平台,测试结果表明该振动信号采集系统能够实现油箱表面振动信号的实时采集;进而研究了测点变化引起振动信号出现差异的问题,搭建变压器油箱的振动数学模型。基于该模型结合独立成分分析法求解,有效分解出故障绕组的振动特征信息,为后续诊断提供准确数据。（4）基于概率神经网络的电力变压器绕组状态诊断方法。研究了出现不同故障情况下的小波包变换其能量变化规律,据此得到了振动信号各频段的能量占比作为振动信号的特征矢量,并形成数据库;借助概率神经网络学习训练,通过110k V绕组故障变压器的实例分析,验证了此方法的合理性和有效性。