本发明公开了一种基于三维点云与声纹的储能电站安全监测方法、装置及介质，所述方法包括对：利用改进K‑SVD算法对输入的图像数据进行降噪处理后，将视频图像传输至EMA注意力机制改进的YOLOv8模型中进行图像处理，红外三维点云传输至LSKA大型分离卷积改进的YOLOv8模型中进行训练，得到最终的图像信息和红外三维点云成像信息；声纹传感器进行声音数据的采集，利用EVO算法优化的人工神经网络算法对声纹特征进行提取，将处理好的数据输入改进的Transformer模型中进行声纹处理，得到最终声纹数据；采用低秩多模态融合方法将Transformer模型和YOLOv8模型进行融合，实现储能电站安全监测。本发明大大提高了信息的准确性和利用效率，有利于储能电站的危险监控。