电力变压器运行过程中，在内部电流、磁场等多种因素的共同作用下产生机械形变，经自身结构传导，表现为振动信号。这一信号经周围空气介质传播，产生了变压器的运行的声音信号。这些信号能够在很大程度上反映变压器的运行状况。在以往的现场巡检操作中，吉电集团部分采用人耳贴紧变压器箱体，听取变压器内部的异常声信号来判断变压器运行状况，发现故障类型甚至对故障进行粗略定位。这种广泛运用的诊断方式严重依靠技术人员的主观判断和个人经验，具有很大的不确定性。 但这一现象充分证明了通过振动和声学信号诊断变压器故障的可行性，借助高灵敏度的传感器和现代数字信号处理识别技术，必然可以实现比人耳更加客观可靠的在线监测和故障诊断。 目前对于利用振动和声学信号监测和诊断变压器的相关技术，国内外已经有了大量的研究成果。研究较为充分的主要有超声波检测法、噪声检测法、声电联检测析法和振动分检测等。 技术难度介绍，环境中的噪声通常是由声源的振动产生的机械波辐射。由于噪声可以传播到空气等介质中，因而在测量时不必接触声源，不存在传感器的安装障碍，且可以在空间中不同位置建立阵列，从而间接地得到声源的振动特性。在正常运行状态下，变压器的噪声主要来自变压器本体绕组、铁芯、油箱的振动以及冷却风扇产生机械振动与空气流流动等。经由录取变压器噪声来诊断变压器的运行状态，主要分析对象是噪声信号声强、声压、升功率以及频谱特性等物理参量，目前的主要处理方法有主观评估、声强判别、能量统计、频谱分析等。噪声分析法的实现大多依靠传声器、声级计等记录声音信号，经由滤波、放大，导入 PC 或其他便携式处理核心，对信号进行特征提取和识别。相比于接触式测量，噪声检测通常采用的远场或近场测量方式要经由空气介质传导信号，因而导致信噪比降低。由于现场环境比较复杂，声波可能经过反射、折射、衍射等过程，且除目标变压器之外可能还存在其他多个声源，导致产生的声信号彼此之间相互干扰叠加，使得目标信号往往混有大量不相关的噪声，一些相对微弱的特征可能因此被淹没。 先进性介绍。吉电集团变压器智能监控系统基于人工智能、声纹技术，大数据、物联网、云计算等先进技术研究开发，具备变压器实时状态监控、健康评估、寿命预测、维护决策、统计分析、专家知识库等功能，实现了变压器运行状态的健康管理。 创新性介绍。一是先进性，本系统为国内第一款基于声学监测的变压器监测设备，集声学技术、AI技术、机器学习、边缘计算技术于一体；二是实时性，当变压器本体内有异常声音发生，系统第一时间上报，及时故障预警；三是多样性，装置集成多种故障诊断模型，可以监测区分变压器多种故障声纹类型；四是集成度高，本系统集成多种声音处理算法，故障诊断算法及设备健康评估算法，如BF (波束成形)、DoA (波达方向定位技术)、NS(噪声抑制)、AEC (回声消除)和AGC(自动增益控制)、不平衡滤波算法、多维映射算法、多维特征提取等；五是可扩展性，支持算法和故障模型升级添加；六是安装便捷性，在不拆卸变压器内部结构情况下，在变压器周边安装即可正常工作。可以做到为每个变压器设备声纹数据建立健康档案，做到基于设备状态维护和变压器设备全生命周期管理，保证安全的情况下，延迟设备使用寿命。