电网系统中高压并联电抗器、电力变压器等大型电力设备在运行时由于电磁力的影响会持续不断地进行低频振动,发出低频振动噪声。经过长时间持续不断地运行,电力设备内部会逐渐出现机械故障,随着时间推移,故障程度越来越重,很容易引起局部短路,引发火灾、大面积停电等事故。因此,研发针对电力设备的便携式检测设备,在电力设备的故障初期及时发现电力设备内部潜在的故障,具有十分重要的现实意义。本文设计并实现了一个电力设备振动声信号便携式检测系统,基于JavaFX图形化框架开发了电力设备振动声信号数据采集软件,并进行了振动声信号采集测试,测试了系统的功能和性能;分析研究了高压并联电抗器振动声信号,确认了信号由100Hz基频及其高次谐波组成,发现大部分信号在100Hz处的频率分量最强,不同信号的区别在于各频率分量频率幅度不同;对比研究了正常电抗器与故障电抗器的振动声信号,发现故障设备的归一化平均振动声信号的能量相对比较集中于100Hz基频处,而正常设备在各谐波上的频率分量强度相对较为分散;基于上述电抗器振动声信号分析结论,利用便携式检测系统采集的多种模拟设备不同工况的振动声信号使用神经网络进行了分类检测实验,其中在时域使用卷积神经网络的分类检测效果最好,其正确率、平均精确率、平均召回率、平均F度量分别达到了95.10%、95.73%、95.87%、95.79%,验证了便携式检测系统采集方式的有效性,此外,利用千鹏诊断公司机械故障模拟平台的公开模拟故障振动信号数据集使用神经网络进行了分类检测实验,其中在时域使用卷积神经网络的分类检测效果最好,其正确率、平均精确率、平均召回率、平均F度量分别达到了96.86%、97.44%、96.70%、96.78%,验证了使用神经网络进行电力设备故障诊断的可行性;在振动声信号采集软件和神经网络诊断算法的基础上设计实现了电力设备振动声信号诊断软件,电力设备振动声信号诊断软件与便携式检测系统的硬件设备共同组成了电力设备振动声信号便携式检测系统,帮助电力设备巡检工作人员进行电力设备故障检测。