变压器作为电力系统中的重要设备之一,其运行状态对电力系统的安全和经济效益有着十分重要的影响。对振动信号的特征提取是振动法监测变压器状态的基础和前提。本文研究运行中变压器表面振动信号的特征提取问题,采用小波包分析技术完成对变压器表面振动信号的频带-能量特征表示,根据互信息和特征选择标准Um RMR(无监督最大相关最小冗余)对特征进行排序,完成对变压器表面振动信号的特征排序和选择,实现对变压器表面振动信号的特征提取,为振动法分析变压器的运行状态提供技术支持。根据变压器振动产生的机理以及故障诊断的需求,选择了一套便捷式的振动信号采集系统,完成对相关采集参数的设置,对多台不同型号的变压器振动信号频谱分析,结果表明不同型号的变压器振动信号频谱特性差异较大;结合实际运行中变压器振动信号的频率和能量分布的规律,选择小波包变换对振动信号进行频带能量分解,给出了一种基于小波包分析的变压器表面振动信号频带-能量表示方法,完成对变压器振动信号的特征表示。针对振动法分析变压器存在故障样本缺乏、故障类型不明确,以及变压器在线监测数据中存在大量冗余和不相关数据的问题,通过互信息来度量特征之间的相关性和冗余度并确定特征之间的依赖程度,将无监督的最大相关最小冗余(Um RAR)准则作为评价特征重要性的依据,给出了一种基于互信息的变压器表面振动信号无监督特征选择方法,实现对特征的重要性排序和选择。标准数据集进行了实验仿真,验证了这一特征选择方法的可行性和有效性。变压器实测振动信号特征提取后,设计构建了实验数据集,在实验数据集上完成聚类和分类仿真分析,结果表明,本文特征选择方法能够在有效降低数据维度的基础上,正确区分变压器不同测点的表面振动信号,相比传统按照特征顺序排列的方法,能够选择出重要的特征,提高学习算法的性能。