电力系统能安全、稳定的运行得益于众多的保护设备,其中氧化锌避雷器保护着电力系统免受过电压的危害,但是避雷器长期工作在工频电压下,避雷器会出现老化劣化现象,若不能及时发现,可能会影响电力系统的稳定运行。因此,对避雷器运行状态进行监测具有重大的意义。本文针对避雷器泄漏电流中含有噪声的情况,利用变分模态分解（VMD）在信号分解中的优势,并将自相关性分析和SG（savitzky-golay）运用到信号去噪中,采用基于自相关性分析和SG滤波的VMD算法去噪。将含噪泄漏电流信号进行VMD分解,得到的本征模态分量（BIMF）分别进行自相关性分析,选出其中噪声含量较高的BIMF进行SG滤波,将经过SG滤波的信号和不含噪分量进行信号重构,得到去噪后的电流,将该方法与基于自适应噪声的完整集合经验模态分解（CEEMDAN）的方法进行比较,前一种方法更优。粒子群算法（PSO）运用到避雷器在线监测的方法容易求得局部最优解,因此本文将量子粒子群算法（QPSO）运用于金属氧化物避雷器（MOA）的在线监测。根据MOA泄漏电流的等效计算模型,构建目标函数,求解能反映MOA运行状况的三个参数k、α以及等效电容C,将求得的三个参数与MOA正常运行时的三个参数进行对比,达到对MOA的监测效果,并分别研究电压中存在谐波、频率波动时对该方法的影响。目前的MOA在线监测方法大部分需要用到电压互感器测量MOA两端电压信号,但安装在野外输电线路上的MOA却不具备测量运行电压的条件。本文提出一种基于软硬件融合冗余的MOA在线监测方法,把MOA等效为一个非线性电阻和电容并联的模型,避雷器正常运行时阻性电路分量占比很小,因此可以近似把泄漏电流（I x）看作由容性电流组成,实验验证感应板能通过输电导线产生的电场感应出感应电流（I a）,该电流相位与容性电流相位相等,并且产生的两个电流所受到的环境干扰和电磁场的干扰近乎相同,若将电流Ia乘上一个系数K使得K*Ia=Is≈Ix,则这个电流Is就如同一个避雷器的等效模型产生的泄漏电流,因此可以通过监测Ix与Is的有效值残差变化达到监测避雷器的效果,因为避雷器老化时泄漏电流中容性电流值几乎不会发生变化,故残差的变化值就是阻性电流的增加值。设计信号调理电路,并用STM32对两路信号进行模数变换,基于MQTT通信协议利用ESP8266把信号无线传送到用Labview设计的上位机中,并整定系数K,使得两个电流的有效值残差近似为0。当残差值大于设定的阻性电流允许的最大增加值时,则可以判断避雷器老化。避雷器的运行情况评估大多采用单一的指标,但其老化应当是多因素决定的,因此本文将云模型和DS证据推理融合运用于对避雷器的运行状态评估。选取避雷器的四种故障类型作为证据推理融合的证据信息,并运用模糊综合模型求得这四个证据的原始基本分配赋值（BPA）,并引入置信度系数修定原始BPA值,将四个证据进行DS证据推理融合,并根据结果评判准则得出避雷器的运行状况等级。并用实际运行数据验证了该方法的有效性。