20世纪90年代以来，伴随着全球经济的快速发展和电能生产、传输技术的不断突破，全球发电机装机容量和发电量大幅提升。近些年，我国的国民经济得到了前所未有的持续稳定快速发展，为了保障能源资源的大范围优化配置，国家电网公司大力推进特高压交直流输电技术研究和工程建设。因此更高等级、更大容量变压器需要投入运行，这也对变压器继电保护提出了更高要求。差动保护作为变压器的主保护，能够反映变压器区内故障。但是，当空载投入变压器或者外部故障切除之后，电压恢复时会有短时较大的励磁涌流。励磁涌流只流经变压器一侧，因此会造成差动保护误动，目前励磁涌流鉴别仍是变压器保护领域的重要课题。　　首先，本文从原理上分析了变压器励磁涌流的产生、和它对变压器差动保护的影响，并从理论上介绍了小波变换和BP神经网络。使用PSCAD/EMTDC软件建立变压器的励磁涌流和普通故障模型，并对励磁涌流和普通故障波形进行分析比较。通过Matlab对仿真数据进行小波变换后发现:励磁涌流经过小波变换之后出现很多突变点，波形畸变程度比较大，小波系数比较大。而故障电流只在故障发生的一段时间内波动比较大，然后迅速减小，近似于一条直线，小波系数比较小。神经网络通过学习和训练能够实现任意精度的非线性函数，可以通过小波系数识别励磁涌流。通过Matlab仿真，此方法完全可行，因此本文提出了将小波-神经网络算法用于识别变压器励磁涌流。　　由于继保装置具有速动性，要求快速切除故障，因此必须快速识别出励磁涌流，闭锁差动保护。小波-神经网络算法计算量大，本文使用FPGA设计专用电路来满足快速识别的要求。本文使用DSP Builder软件层次化设计，完成了小波-神经网络算法在FPGA上的实现，其中小波变换采用DB2小波一尺度分析，神经网络选用三层BP神经网络。通过Modelsim时序仿真结果和Matlab计算结果，验证了硬件设计的正确性。　　综上述，本文通过理论分析和仿真验证，提出了用小波-神经网络算法来快速识别变压器励磁涌流的方法。使用DSP Builder设计完成了该算法在FPGA上的实现，并通过Modelsim时序仿真验证了设计的正确性。