高压开关振动声学指纹在线监测云平台服务器

3.3.1.1信号包络分析为提高在线监测的准确度，GZAFV-01系统的IED/主机通常采用高采样率获取声纹振动及驱动电机电流的信号，然而大量的数据不利于快速、准确存储与分析。因而采用包络分析，简化并反映原始信号特征，便于后续分析与处理。传统希尔伯特变换进行包络分析时存在提取深度不足、存在幅值偏差等问题，因此采用小波变换和希尔伯特变换结合的信号包络分析。声纹振动和电流的信号包络分析如下图3.5所示。

3.3.1.2信号包络重合度比对分析如下图3.6所示，信号包络分析后可快速实现历史信号重合度比对分析，更直观地判断OLTC运行状态。为量化信号重合度比对，GZAFV-01系统引入互相关系数的计算。当实时采集的与正常状态的信号包络互相关系数：◆接近1时，OLTC接近正常运行状态。◆接近0时，OLTC可能存在故障。 GZAFV-01型声纹振动监测系统（变压器、电抗器)实时监测和分析的结合。高压开关振动声学指纹在线监测云平台服务器

GIS及敞开式的隔离开关监测功能特性◆采用加速度传感器及电流传感器监测隔离开关声纹振动及电机电流信号。◆具有比对分析功能：可将现测与标准/历史的监测数据进行横向/纵向比对分析。◆具有诊断分析功能：可对隔离开关状态进行诊断，并上传原始数据及分析结果。◆具有断电不丢失存储数据、复电自启动、自复位的功能，可连续监测、存储及导出功能，可够存储1000次以上的操作数据，并具备批量处理数据功能。◆具备声纹振动及电机电流信号波形、包络分析、时频图谱等展示功能。◆自动提取动/静触头的分/合闸动作时间、电机峰值电流、电机电流的燃弧时间及抖动高幅值关键特征、声纹振动脉动关键特征等参量。◆智能分析：依托于我公司建立的海量典型故障案例的数据库，包络分析后可快速实现历史信号重合度比对开展智能分析，更直观、快速地判断电力设备运行状态。为量化信号重合度比对，GZAFV-01系统引入互相关系数的计算，当实时采集信号包络曲线与正常状态包络曲线的互相关系数：接近1时，被测设备是接近正常状态。接近0时，被测设备是可能存在故障的异常状态。高压开关振动声学指纹在线监测云平台服务器杭州国洲电力科技有限公司振动声学指纹在线监测技术系统的用户定制化服务。

2.15Q/GDWZ410高压设备智能化技术导则。2.16Q/GDWZ414变电站智能化改造技术规范。2.17Q/GDW561输变电设备状态监测系统技术导则。2.18Q/GDW739输变电设备状态监测主站系统变电设备在线监测I1接口网络通信规范。2.19Q/GDW1168-2013输变电设备状态检修试验规程。2.20JB/T8314分接开关试验导则。2.21国家电网公司变电监测管理规定（试行）第11分册机械振动监测细则。2.22IEC60214.1Tap-changersPart1:PerformanceRequirementsandTestMethods。2.23IEC60214.2Tap-changersPart2:ApplicationGuidelines。2.24IEEEC57.131IEEEStandardRequirementsforTapChanger。2.25IEEEC57.139IEEEGuideforDissolvedGasAnalysisinTransformerLoadTapChangers。2.26IEEEC57.143IEEEGuideforApplicationforMonitoringEquipmenttoLiquid-ImmersedTransformersandComponents。2.27CIGREWorkingGroupA2.34GuideforTransformerMaintenance。

确保采集到的振动和声学数据具有足够的准确性和分辨率，以便于识别设备的正常运行状态与异常情况，可以采取以下措施：

选择合适的传感器：根据被监测设备的特性和监测要求选择适当类型和规格的振动和声学传感器。传感器应具有高灵敏度和适当的频率响应范围。校准传感器：定期对传感器进行校准，以确保其输出与实际测量值之间的准确对应关系。优化采样频率：根据设备的动态特性和可能发生的故障类型，设置合适的采样频率，以捕捉到振动和声学信号的关键特征。减少噪声干扰：采取措施减少环境噪声和电磁干扰，如使用屏蔽电缆、设置隔振平台、选择低噪声环境进行测量等。数据预处理：采用滤波、去噪等数据预处理技术，提高信号质量，减少噪声的影响。多传感器融合：使用多个传感器并结合不同的测量位置，可以提高数据的冗余性和鲁棒性，从而增强信号的准确性。动态范围调整：根据设备的运行状态调整测量系统的动态范围，确保在设备运行在不同负载条件下都能获得清晰的信号。数据后处理和特征提取：应用高级信号处理技术，如时频分析、小波变换等，提取出反映设备状态的关键特征。 杭州国洲电力科技有限公司振动声学指纹在线监测技术系统的模块化设计。

3.3.2绕组及铁芯运行状态分析下图3.10a为变压器运行时绕组及铁芯的声纹振动时域信号。为更直观地分析绕组及铁芯运行状态，采用频域法分析声纹振动信号。如下图3.10b所示，基于声纹振动信号的频域分布，提取峰值频率、总谐波畸变率、基频能量比、互相关系数特征参量作为分析参数。各特征参量定义及解释如下：

3.3.2.1峰值频率：频谱图中比较大幅值对应的频率值。3.3.2.2总谐波畸变率(TotalHarmonicDistortion,THD)所有50Hz整数倍谐波分量的有效值与基频100Hz分量有效值的比值，计算公式：THD=i=0nVi2V1，其中V1为100Hz基频分量有效值，Vi为各谐波分量有效值，i为频率索引值。正常状态下，由于100Hz基频分量为振动频谱图的主要成分，总谐波畸变率应较小；存在故障时，谐波分量增加且峰值频率发生偏移，总谐波畸变率变大 杭州国洲电力科技有限公司振动声学指纹在线监测技术的客户反馈分析。杭州变压器振动声学指纹在线监测产品有哪些

GZAFV-01型声纹振动监测系统（变压器、电抗器)包络分析。高压开关振动声学指纹在线监测云平台服务器

4.2智慧化功能4.2.1具备边缘计算能力，就地采集并处理声纹振动信号及驱动电机电流信号，完成OLTC信号包络、ATF图谱等分析，完成绕组及铁芯振动信号频谱分析及参数计算，根据传输层要求统一通讯接口及数据结构，根据平台层及应用层要求上传分析结果。4.2.2具备实物ID管理功能，提供OLTC、绕组及铁芯运行状态信息链接入口，可扫码读取设备在线监测历史数据及趋势。通过扫码或RFID识别设备，读取设备ID信息，通过站内网络（4G/5G/WIFI）传输给云端服务器，向服务器请求该设备的详细信息，以及详细的运行状态，测试信息等。高压开关振动声学指纹在线监测云平台服务器