为进一步提高变压器故障诊断精度，提出一种基于同步压缩小波变换（synchrosqueezed wavelet transform，简称SSWT）-灰度共生矩阵（gray-level co-occurrence matrix，简称GLCM）的变压器机械故障时频诊断方法。首先，利用SSWT对变压器振动信号进行时频分析，得到能量堆叠密集的二维时频图，有效保留了变压器振动信号的主要特征信息；其次，联合描述区域像素关系的GLCM提取出二维时频图的主要特征信息，为后续故障诊断模型提供有效的特征参数；最后，通过改进鲸鱼算法优化（whale optimization algorithm，简称WOA）对支持向量机（support vector machine，简称SVM）的关键参数进行优化，建立了基于改进WOA-SVM的变压器典型机械故障时频诊断模型。实验结果表明，所构建的改进WOA-SVM故障诊断模型具有较高的识别精度和运算效率，为基于振动信号的变压器机械故障时频诊断提供了技术支撑。