电力变压器作为输变电过程中的重要环节,其可靠运行对保障电网安全至关重要。变压器振动发出的声信号包含了丰富的运行状况信息,通过对其幅值和频谱的检测,可有效掌握变压器的运行状况。为充分挖掘变压器振声的应用价值,丰富变压器异常状态检测手段,提出一种基于盲源分离的变压器振声自适应提取与异常状态检测方法。该方法具有安装简便、可移植性强、信号整体性佳等优点,在电气设备状态检测与故障诊断领域前景广阔。本文旨在发展基于电力变压器振声自适应提取的异常状态检测技术,首先基于有限元软件建立多物理场耦合模型,揭示变压器振声发生机理,其次提出变压器振声自适应提取方法以排除周围干扰噪声,最终得到基于变压器振声的异常状态检测方法,具体内容如下:基于有限元分析软件构建了电磁-结构-声多物理场耦合的变压器仿真模型,揭示了变压器绕组和铁芯的振声发生机理。针对绕组松动、绕组变形2种典型异常状态,分析了变压器振声幅值、频谱的变化情况。所做工作为变压器振声自适应提取和异常状态检测提供了理论基础和技术支持。针对振声信号在采集过程中易受干扰的问题,提出一种基于盲源分离的变压器振声自适应提取方法,并改进了基于势函数的稀疏分量分析算法,增加了势函数局部极值排序环节。仿真模拟了噪声源数目增加、振声幅值增大以及振声频率组成变化共3种特殊情况下的变压器振声提取,采用相关系数和二次残差对分离效果进行了评价,并分析了 220kV变电站现场实验结果。结果表明,该算法可以应对复杂声场环境下的变压器振声提取。由于目前尚缺乏变压器正常工作时的标准振声信号,提出一种对已有振声信号加窗分割自我比对的异常状态检测方法。基于汉宁窗函数,并结合短时平均幅度、短时过零率和最大频谱共3个特征参数组成特征向量,通过对振声信号分帧,绘制相邻2帧特征向量欧氏距离以及各帧特征向量与平均特征向量偏差值曲线,实现了变压器异常状态的检测。分别分析了仿真信号、实验信号以及自适应提取后的分离信号,验证了该检测算法的有效性。