干式变压器是组成电力系统的关键设备之一,与日常生产生活息息相关。作为一种常见的信号,声音蕴含了干式变压器丰富的状态信息。在发生缺陷时,干式变压器会发出与正常运行有明显区别的异常声音,但现有声成像检测技术缺乏针对干式变压器异常声音特性的改进和优化,导致其成像效果不佳,难以准确定位到缺陷发生的位置。因此,本文通过分析干式变压器异常声音的频域特性,以此为依据优化麦克风阵列,并在传统声成像算法的基础上结合傅里叶变换和子阵列划分等手段,提出了一种基于频域特征的高分辨率谱估计优化方法,可对干式变压器异常声源进行准确且稳定的可视化声成像定位,有助于运维人员更直观地掌握缺陷的发生位置,具有重要的实用价值。论文的主要工作如下:（1）分析干式变压器不同类型异常声音特性。首先,搭建干式变压器典型缺陷模拟试验平台,设计并开展干式变压器空载试验、短路试验、异常机械振动试验、风机进入异物试验和放电试验;然后采集不同缺陷类型下的声音信号并绘制时域图;进一步对时域图中的原始声音信号数据进行自相关消噪和傅里叶变换处理得到时频谱图和频谱图,最终分析异常声音特征频段等频域特征。（2）分析影响麦克风阵列性能的不同因素,在此基础上选择合适的阵列并对其结构进行优化。首先,对比麦克风阵列空间结构的特点,综合考虑成像效果和成本等因素选择二维麦克风阵列;然后,分析麦克风数量和阵列拓扑结构对性能的影响,选择使用64路多臂螺旋阵列;最后通过粒子群算法优化阵列的具体排布参数,得到适用于干式变压器异常声源成像的麦克风阵列。（3）针对传统声成像算法不适用于定位干式变压器不同缺陷下异常声音的问题,提出基于频域特征的高分辨谱估计优化方法,并在此基础上进行了声成像试验。首先,通过傅里叶变换将原始声音信号从时域变换到频域;然后根据干式变压器不同缺陷下异常声音的频域特征提取出所需的目标频段,从而去除一部分噪声对计算的影响;最后将原有阵列划分成多个子阵列,利用子阵列对应的声音数据进行多次成像计算,进而提高算法的鲁棒性,使成像结果变得更稳定。试验结果表明:相比于传统声成像算法,本文提出的基于频域特征的高分辨率谱估计优化方法具有更好的定位效果。