沈国堂1，郭振宇1，黄道均1，胡 坤1，王福亮1,张晨晨2

（1.国网安徽省电力有限公司超高压分公司， 安徽 合肥 230022； 2.国网安徽省电力有限公司

电力科学研究院， 安徽 合肥 230022）

摘要：电力变压器振动声学信号中包含着丰富的运行信息，变压器经历特殊工况或故障后，声纹信号会发生变化。声纹作为一种新的感知手段，通过对变压器声纹信号开展在线监测，感知和分析运行状态，可以及时预警设备缺陷和隐患。本文针对数十种型号大型电力变压器进行现场声纹监测，建立基于特征融合和深度学习人工神经网络的声纹诊断方法，给出变压器非正常运行判据，并进行了实例验证。随着变压器声纹样本库的扩大和人工智能算法的成熟，基于声纹的电力变压器状态评价方法具备一定的实际应用价值。

关键词：声纹识别；特征融合；深度学习；神经网络

中图分类号：ＴＭ４11 文献标识码：Ｂ 文章编号：１００１－８４２５（２０24）０6－００39－０5

作者简介

沈国堂（1985-），男，安徽合肥人，高级工程师。