本发明公开了一种基于夏普利值的变压器故障表征特征量筛选方法和装置，该方法收集在运或故障变压器的油中溶解气体数据，构建变压器故障样本集；然后，对变压器样本数据进行特征衍生处理，并对基于树状结构算法的变压器故障诊断模型进行训练学习和验证；最后，结合夏普利值分析所有特征量对变压器不同故障的贡献度，得到不同故障类型的表征特征量。本发明能够克服传统变压器故障诊断特征量选取过于依赖现场经验，可大幅度缩减特征量筛选中的统计分析工作，也可提出针对变压器不同故障类型的专用特征量，提升变压器故障诊断方法的科学性和实用性。