中文摘要: 电力变压器是直接影响电力系统安全运行的重要设备之一，目前多采用图像或侵入式传感测量的方式，本文设计了变压器声纹采集装置、特征提取方法、以及基于迁移学习的深度神经网络识别模型。首先，采集并预处理变压器噪声信号，对分帧信号进行时域和频域特征提取，获得声纹特征向量，然后，输入迁移学习算法模型，实现变压器直流偏磁、过负荷、以及绕组变形等8种工况的智能识别诊断，最后，设计声纹特征数据库建立方法，采集变压器运行声学样本，对声纹识别算法模型进行训练和优化。通过数据集对比测试和变电站部署应用，验证了算法模型的识别准确度和系统可行性，该装置可作为当前监测手段的有效补充，提高变压器综合监测和潜伏性缺陷识别能力。