配电变压器作为直接面向用户的重要电力设备,其安全可靠运行是保障用户正常生产与生活用电的关键。配电变压器具有分布广、数量众多以及价值不高的特点,不适合使用在线监测的方式对其进行状态监测和故障诊断。因此,研究配电变压器巡检方法,研制巡检装置,对提高配电变压器供电可靠性具有重要意义。本文基于配电变压器在不同运行状态下声信号特征不同这一特性,提出采用噪声诊断法对配电变压器进行故障诊断,从而为配电变压器日常巡检提供了一种新的巡检方法和手段。本文研究了配电变压器本体噪声及故障声信号产生机理。主要研究了配电变压器铁芯与绕组噪声信号产生机理及影响因素。并对配电变压器故障声信号产生机理进行了分析,重点分析了配电变压器放电声信号产生机理,为基于声信号的配电变压器故障诊断提供理论支撑。本文研究了声信号的分析方法,针对配电变压器的所处环境复杂、干扰声源过多的问题,提出采用基于负熵的快速独立分析算法(fast independent component analysis,FastICA)分离出目标声源。针对故障声信号的非平稳特性,提出采用自适应噪声完备集合经验模态分解算法(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)处理非平稳信号,解决了模态混叠及集合经验模态分解算法额外引入的高斯白噪声难以完全消除的问题。本文提出的基于声信号的配电变压器故障诊断方法,首先通过FastICA算法分离出目标声源,然后分别对分离出的声信号进行CEEMDAN分解,提取反映信号复杂性和无规则程度的奇异谱熵、反映信号能量特征的CEEMDAN频带能量熵及反映信号时频特征的边际谱熵、重心频率作为特征量。针对配电变压器周围干扰噪声过多,难以对所有干扰噪声进行特征提取的问题,提出采用单分类的支持向量描述(support vector data description,SVDD)算法,具有训练样本只需要目标样本的特点,通过分别对不同故障分别建立SVDD模型的方式实现多分类,并采用粒子群算法对SVDD方法中的重要参数拒绝率和核函数进行优化。本文通过实验采集了配电变压器不同工况声信号并进行特征分析。通过实验模拟了配电变压器中典型的针板放电、沿面放电与悬浮放电故障声信号,并将放电故障声信号与实验室中配电变压器本体噪声混合,采用本文所提方法进行分类与识别;此外,将现场采集的配电变压器不同工况的噪声信号与放电故障声信号混合,采用本文所提方法进行分类与识别;实验结果表明,本文所提方法可识别配电变压器三种不同类型的放电故障,在考虑不同工况噪声信号混合的情况下,识别率可达到91.5%以上,可用于配电变压器故障诊断。