随着城镇化建设的快速发展及随之而来的城区电网改造需求,如何从源头上寻找切实可行的变压器降噪措施对制造厂及供电部门就显得尤为重要。此外,变压器的噪声特性在其正常运行与典型故障时也存在较大差异,因此,从监测到的变压器噪声信号研究有效的变压器故障检测方法对确保变压器的安全可靠运行意义重大。基于此,本文主要从变压器噪声特性的建模计算、变压器噪声的试验研究以及变压器噪声信号的声纹识别方法等方面展开研究,主要内容有:为准确得到变压器铁心振动噪声的分布规律,本文首先建立了变压器铁心的有限元分析模型,计算分析了铁心表面的振动分布,据此运用边界元法得到了变压器铁心的声场分布。计算结果表明,变压器铁心上部的振动大,下部的振动小;铁心噪声的分布并不均匀,铁心正面的声压最大,铁心顶部的声压最小;随着铁心松动程度的增加,噪声也会随之增大。进而以某10kV干式变压器为对象,基于空载试验对变压器铁心正常与松动下的噪声信号进行了测试,分析了不同测点、不同电压下噪声信号的异同。分析结果表明,变压器噪声的频谱主要集中在100Hz及其整数倍上,以中低频为主;铁心松动时,噪声幅值变大,高次谐波增强;不同测点的噪声信号相似度较高;电压增大时,噪声的幅值也会增大,但频谱的分布规律保持不变。为准确描述变压器噪声信号特征,在分析声音信号的MFCC特征量提取算法的基础上,本文运用加权处理方法和主成分分析方法对MFCC算法进行了优化,并用F比参量考察了其有效性。结果表明,与现有MFCC相比,优化后的MFCC特征量提取算法能更为准确地提取出变压器噪声的主要特征。为验证声纹识别模型识别变压器噪声的有效性,本文采用LBG算法建立了变压器噪声的矢量量化模型对噪声信号进行识别。结果表明,声纹识别模型能有效识别出变压器不同工况下的噪声。与其它特征量提取算法相比,使用优化MFCC进行识别能在明显缩短识别时间的情况下提高识别的准确率。此外,500ms是最适用于变压器噪声识别的分帧长度。为了方便对变压器噪声进行实时分析,本文研发了一套基于NI PXI数据采集系统的变压器噪声评估系统。该系统集成了噪声采集和数据分析的功能,能够实时分析变压器噪声的特征向量并进行声纹识别。本文研究结果可为变压器降噪措施研究、变压器结构优化及变压器噪声评估提供重要依据。