交直流电缆是变电站电能传送和信息传输的重要载体，一旦发生故障，将造成主设备被迫紧急停运，严重影响电力系统安全稳定运行。本项目结合电缆设备实际场景，采用非接触式声纹交直流电缆监控预警方法，基于改进的Mel频率倒谱系数（MTFCC）和加权矢量量化（VQ）方法，建立典型交直流电缆缺陷和故障的声学特征库，通过主成分分析（PCA）算法进行特征降维，有效提取关键特征信息。同时，结合残差网络（ResNet）和多模态信号分析深度学习算法，实现了对电缆局放信号的高效特征提取、识别和精准诊断，显著提高了故障识别的准确性和实时性。 该项目采用先进的声源定位技术，集成广义互相关-相位变换（GCC-PHAT）和波束形成算法，实现了故障声源的实时定位和可视化展示。开发的交直流电缆声纹识别综合在线监测装置，具备声纹信号实时采集、处理、诊断、预警和数据展示等功能，已在南方电网超高压公司百色局的500kV百色变电站成功试点应用，有效提高电缆设备故障检测的效率与覆盖率，及时识别局放故障和温度异常隐患，自动分析及报警，自动定位，为无人值守站点电缆火灾隐患提供技防保障。具体的做法如下: 1.建立典型交直流电缆缺陷/故障声学特征库，从结构与算法角度研究声场分布与噪声消除，实现高效精准检测定位。结合DFFT、小波分析、PCA及基于信息熵的自适应二叉树重构等方法，对局放信号降噪与特征提取，并利用PRPD、PRPS、时频图、Mel谱、MFCC等特征进行模式识别。通过CNN深度学习结合改进的特征提取与模态分析，增强对局放超声信号的分辨与识别能力。 2.采用多模态信号分析深度学习算法，实时接入并分析多模态运行数据，结合传感器坐标与设备状态，实现设备状态的定量描述与监控。最终研制除了基于国产Linux系统Open Kylin开发在线监测系统样机，完成声纹数据实时采集处理、声纹特征提取、识别与诊断，支持历史数据查询、声纹信息与故障状态集中展示及电缆工况总结分析。 本成果在中国南方电网有限责任公司超高压输电公司百色局在所辖500kV百色变电站得到应用，百色局率先试用了这套交直流电缆声纹识别综合在线监测系统，自2023年7月部署运行以来，应用情况及社会效益显著，系统在试运行期间的运行状况正常，应用情况良好，且通过交直流电缆声纹识别综合在线监测系统，有效提升电力保障水平。本成果有效促进了检测技术创新，为技术标准完善提供实践