换流变压器是高压直流输电系统中实现交直流电压转换的重要设备,其运行状态关系到整个高压直流输电系统的安全稳定运行。传统的变压器状态识别方法通常需要停电检修实现,在安全性和经济性上存在较大的局限性。为了高效准确地在线识别实现换流变压器运行状态,本文针对换流变压器的振动特性、振动信号特征提取与特征分类工作开展研究,提出了一种基于振动法的换流变压器运行状态识别方法,在分析了换流变压器的振动机理和振动信号的频谱特征换流变压器的振动特性的基础上,研究了换流变压器振动信号特征提取方法和特征分类方法,实现了换流变压器运行状态的有效识别。在理论分析的基础上,通过实验验证了本文提出方法的有效性。本文的主要研究工作及成果如下:（1）根据换流变压器的振动机理及振动信号的频谱特征分析了换流变压器的振动特性。首先通过分析换流变压器的基本结构,阐明了换流变压器的振动来源与传导路径,进而分析了绕组和铁芯的振动机理,探讨了换流变压器压器振动信号的理论频率特征,然后引入振动信号测量系统用于测量换流变压器振动信号并研究了振动测点的布置方案,分析了不同运行状态下换流变压器的振动信号频谱特征。（2）针对换流变压器复杂的振动特性,研究了振动信号特征提取方法。基于变分模态分解算法提出了构建换流变压器振动信号特征向量的特征指标,采用磷虾群算法优化变分模态分解（KHA-VMD）实现参数的自适应优化选取,得到了基于KHA-VMD算法的振动特征提取方法,并通过实验验证了KHA-VMD算法实现换流变压器振动信号自适应分解的可行性和有效性。（3）为了解决换流变压器振动特征向量的分类问题,研究了振动特征分类方法实现换流变压器运行状态识别。采用深度信念网络作为特征分类基础算法,并引入麻雀搜索算法优化深度信念网络（SSA-DBN）超参数,得到了基于SSA-DBN算法的振动特征分类方法,在结合振动信号预处理和特征提取的基础上提出了换流变压器运行状态识别方法,并分别设计了特征提取效果测试实验和分类性能测试实验,检验了KHA-VMD算法的特征提取效果和SSA-DBN算法的分类性能,验证了本文提出的识别方法应用于换流变压器运行状态识别的可行性。（4）以乌东德水电站500k V换流变压器为研究对象开展了换流变压器运行状态识别实验。分别设计了换流变压器空载实验和负载实验并采集到不同空载电压和不同负载电流时箱体表面不同测点的振动信号,以识别准确率与识别效率为评价指标检验本文提出方法的识别效果。实验结果表明,本文提出的基于振动法的换流变压器运行状态识别方法能够有效识别换流变压器的不同运行状态,识别准确率和识别效率较高,具有较好的工程实用性,有助于换流变压器在线监测技术的发展。