在电网系统日益发达的今天,电力设备故障的实时监测诊断成为该领域研究的热点。声学成像是是一种声场可视化技术,将该技术用于电力设备的故障诊断,可以直观地了解设备内部声场的分布情况,协助技术人员了解故障点的位置并制定相应的故障解决方案,提高了故障检测和定位效率,对于构建智能电网有着重大意义。本文主要研究电力设备声学成像和声源定位算法,提出了改进的声学成像和声源定位算法,并搭建声学成像和声源定位系统进行测试。本文主要的研究内容和成果如下:（1）对声学成像的主要算法进行了梳理,包括几种波束形成（Beamforming,BF）算法和近场声全息（Nearfield Acoustic Holography,NAH）算法,比较了不同算法的特点、优劣和适用场景,根据本文的实际应用场景选取了反卷积波束形成（Deconvolution approach for the mapping of acoustic sources,DAMAS）算法进行重点研究,对影响阵列波束形成算法性能的主要因素进行了仿真和分析。（2）对现有的噪声抑制算法和反卷积波束形成算法进行改进,提出一种基于改进谱减-去自谱法的噪声抑制算法,根据噪声和声源信号的特点构造了能量-谱熵比参数,利用该参数进行噪声谱估计,随后结合谱减法和去自谱法,对声信号的无关噪声和自谱干扰进行了抑制。鉴于现有的DAMAS2（Deconvolution approach for the mapping of acoustic sources 2）算法时间开销较大的现状,本文提出了一种基于聚焦点网格筛选的反卷积波束形成算法,大幅减小了时间开销。（3）最后搭建了声学成像和声源定位系统,主要工作包括硬件选型、确定传声器参数、实时采集程序设计、相机标定算法设计、声学成像和声源定位算法的设计,提出了一种采用聚焦平面子区域划分筛选的方式来判断声源个数,实现了声源计数和多声源定位。采用扬声器模拟变压器声源进行测试,结果发现采用本文改进的噪声抑制反卷积波束形成算法相比延时求和波束形成（Delay and Sum Beamforming,DAS）算法,单声源和双声源情况下的空间分辨率性能明显提高,有效动态范围也得到了显著提升,改进算法的声源定位误差相比DAMAS2算法在不同阵列下提升了16.9%到36.8%不等。算法的计算时间开销方面,改进的噪声抑制反卷积波束形成算法计算一帧的计算时间开销相比DAMAS2算法减小35.6%,达到了1.03s,基本满足了系统设计需求。