电力设备是电力网络的基础组成单元,电力设备的安全运行对电网的供电可靠性有着决定性的影响。针对电力设备运行状态的在线监测不仅能够及时监测设备中的各类异常电气量以及非电气量,而且可以对电力设备的运行状态进行全面、系统地分析,及早发现设备中潜在的故障,近年来已被广泛研究。基于声电传感阵列的电力设备在线监测方法具有覆盖范围广、监测效率高以及抗干扰性能强等优点,已在部分变电站中开展试点应用。然而在实际应用过程中,也存在部分亟需解决的实际问题,包括1)传感器阵列针在多源信号情况下的方向及分辨性能不足;2)高频电磁信号对阵列采样率要求过高;3)变电站现场噪声干扰传感阵列监测准确性以及4)传感阵列信号的时差计算以及空间定位误差等问题。面对上述实际应用中的问题,本文对声电传感阵列的监测原理、性能指标以及阵列信号处理方法针对性地进行研究与分析,在不改变阵列硬件参数的情况下,提出了电力设备监测声电传感阵列的虚拟扩展以及信号优化处理方法,尝试解决上述实际应用中的困难。针对传感器阵列针在多源信号情况下的方向及分辨性能不足问题,本文研究发现声电传感阵列的性能不仅取决于算法性能,而且还取决于阵列硬件参数（即阵列孔径,传感器数量等）。通过硬件方法提升阵列性能往往会增加成本;因此本文提出了一种基于高阶累积量的阵列虚拟扩展方法,无需改变硬件或增加额外成本即可提高声电传感阵列的性能。该方法通过将阵列中的低阶累积量替换为由泰勒展开式建立的高阶累积量实现,由于后者包含了在低阶累积量中被省略的高阶项,因此具有信号源的更高阶的方向信息,从而可以提升传感阵列的定向性能。此外,由于高阶累积量仅包含非高斯分量的信息,因此扩展后的阵列显示出更好的抗高斯噪声性能。本文针对不同的变电站应用场景,提出了两种扩展类型,包括孔径扩展和传感器数量扩展可以分别提升阵列的多源信号方向分辨力以及降低空间谱的旁瓣水平。针对高频电磁信号的采样问题,本文对传感阵列的信号欠采样及重构问题进行了研究,针对关键的传感器阵元信号采样模式问题,提出了一种基于压缩感知的信号欠采样及重构的信号优化处理方法,能够在采样率低于奈奎斯特采样率的条件下,通过信号重构算法获得原始信号。传统模拟信号采样方法的差别在于,该方法的采样模式从等间隔采样转变为高斯随机变量的非等间隔采样,从而将欠采样时本应出现的信号频率混叠转化为在整个频段的能量泄露,从而能够识别并恢复出原始信号。随后在欠采样的基础上提出了一种适用于传感阵列的导向矢量提升方法,通过信号稀疏表示、观测矩阵选取以及信号重构,将原始2维导向矢量提升为3维以及4维导向矢量,提升传感阵列的定向精度,实验结果进一步验证了该方法的有效性。上述研究为后续的传感阵列信号源定位提供了前置理论与技术支撑。针对变电站环境中复杂的环境噪声干扰问题,本文提出了一种基于功率最大似然估计的信号源空间定位信号优化处理方法,提升了声电传感阵列的抗噪声干扰能力。区别于传统的依赖于信号波形的处理方式,本文利用最大似然估计的统计方法来分析信号源的分布特征,从而将传统的信号波形处理转换为统计分析的新视角。所提出的方法显著提高了传感阵列空间定位的准确性,尤其是信噪比（SNR）在[-5d B,5d B]范围的低信噪比条件下显示出更好的抗噪能力。在110k V变电站（SNR约为5d B）中进行的现场测试表明,与传统方法相比,信号源检测精度可提高70%。针对基于时差法的传感阵列的空间定位误差问题,本文提出了一种传感阵列定位误差的数字校正方法,通过机器学习的方法训练两个多重径向基函数（Radial Basic Function,RBF）网络RBFt以及RBFp,其中RBFt为时间修正网络,用于校正阵列信号时差计算误差,RBFp为空间修正网络,用于校正由信号源空间位置引入的定位误差,且两者均采用了多神经网络结构以提高其误差校正能力。现场测试证明,修正网络RBFt和RBFp具有较强的学习和拟合传感阵列的误差分布的能力,经过误差校正和补偿后,传感阵列的距离定位误差从3m减小到0.5m,方向角误差从12°减小到小于5°。通用性实验还表明,该方法对不同的时差算法和不同类型的传感阵列均具有良好的适应性。