变压器作为电力系统的重要组成部分,其内部在运行期间可能会存在机械劣化等问题。因此,变压器应及时进行诊断、保持正常运行。当变压器存在早期的形变、劣化时,变压器内部振动信号会发生改变并且可以通过变压器油等方式传播到箱体表面。本课题主要针对变压器振动信号进行分析。首先,本课题对变压器振动机理进行分析。其次,本文将自适应噪声完全集合经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）引入到振动信号去噪中,基于CEEMDAN方法对振动信号进行分解,并通过相关系数法（correlation coefficient,CC）对其分解出的固有模态分量（Intrinsic Mode Function,IMF）进行筛选并重构,重构后的信号即为去噪后的信号。为实现本文去噪方法在现场中的应用,本课题将基于实验室虚拟仪器工程平台（Laborary Virtual Instrument Engineering Workbench,Lab VIEW）实现对变压器振动信号读取、去噪、保存等功能。最后,本文将基于CEEMDAN多尺度分散熵（Multiscale Dispersion Entropy,MDE）方法对振动信号特征提取,然后采用主成分分析（Principal Component Analysis,PCA）进行特征降维,并提取有效信息,将降维后的特征引入到密度峰值聚类（Density Peaks Clustering,DPC）中进行特征识别,完成对变压器的故障诊断。通过对变压器仿真信号和现场信号的分析以及多种方法对比,验证了CEEMDAN方法对振动信号具有分解的完备性和抗噪性,因此,本文基于CEEMDAN能够实现对变压器振动信号的去噪以及故障诊断。