El método tradicional de diagnóstico de transformadores de potencia se basa en una gran cantidad de conocimientos y experiencia, así como en un complejo proceso de muestreo, lo que trae grandes dificultades al trabajo de diagnóstico de fallas. Para resolver este problema, se propone un método de extracción de características de fallas basado en la descomposición de modo empírico de conjunto de ruido totalmente adaptativo (CEEMDAN), y se utiliza el algoritmo de optimización de cazador-presa (HPO) para optimizar la máquina de soporte vectorial (SVM) para identificar y clasificar las fallas de huella de voz de los transformadores de potencia. En primer lugar, se utiliza el algoritmo CEEMDAN para descomponer las marcas de voz en varios componentes IMF. Los componentes IMF que contienen información de fallas se seleccionan según el índice de curtosis del envolvente y se reconstruyen para generar nuevas secuencias de señales. Se realiza una reducción de dimensionalidad PCA en la señal reconstruida, y se extraen los componentes principales con una alta tasa de contribución acumulativa como entrada para la SVM. Luego, se utiliza el algoritmo HPO-SVM para clasificar e identificar las fallas del transformador. Se aplica el método propuesto al diagnóstico de fallas típicas en transformadores de potencia. Los resultados muestran que la precisión de este método para identificar varios estados de falla de los transformadores de potencia puede alcanzar el 98.5%, y tiene un mejor rendimiento de clasificación que otros métodos similares.