本发明涉及一种基于多频段自监督的变压器声纹异常检测方法，包括：对变压器的声纹数据进行采集和预处理；对采集的声纹数据进行特征提取；设计一个自监督的多层全连接神经网络模型，并自监督学习变压器的工作声纹数据特征，判断声纹数据特征之间的差异；在自监督学习中，当输入连续的声纹数据特征时，多层全连接神经网络模型输出连续的声纹数据异常监测差异度结果；使用模板匹配算法进行异常频率特征向量的识别检测，对异常频率特征分分离注册，实现泛化性的识别检测。本发明保留变压器声纹中的关键特征同时压缩非关键频带的参数，降低特征向量维度，减少计算负担加快系统分析速度，极大节省专业人员工作量，减少人工干预造成的精度偏差。