水电站设备体量大、停机损失高，而现场往往只有“正常声音”而缺少已标注的故障样本，传统振动阈值或人工巡检难以及时捕获早期空化与磨损等隐患。为此，本文提出一种无标签的Transformer声音-SCADA融合框架。框架核心是首次引入水电领域的Self-Supervised Dual-Path Transformer(SSDPT)异常检测器，通过自监督学习机组“健康声纹”，无需故障标签即可工作。在公开 MIMII‑Pump 0 dB数据集进行概念验证。实验显示，Self‑Supervised Dual‑Path Transformer(SSDPT)在仅使用正常声音的情况下即可学习泵‑水轮机类设备的“健康声纹”，clip‑level h‑AUC达0.65、pAUC@10% 0.05，优于传统AutoEncoder基线。文章还探讨了该框架在多站推广、数字孪生对比和调度联动中的应用潜力，并给出了后续研究议题。结果显示，无标签Transformer为水电智能运维与调度优化提供了可行的新路径。