电抗器振动声学指纹监测技术交流

五、系统软件简介（以在线版为例）5.1远端后台管理软件：通过云服务器账户登录，选择管理对象。图17本系统的远端后台管理软件界面5.2设备信息管理界面：包括设备名称、位置、编号等基本信息的填写。图18被试品的信息管理界面5.3主界面：包括项目管理、多通道信号同步显示、分析及其他工具及基本分析结果显示，可实现信号包络、重合度对比、能量分布、时频分布(ATF)等分析。图19本系统的软件主界面5.4声纹振动及驱动电机电流的信号包络分析可简化信号，直观反映设备运行状态。GZAF-1000T系列变压器/电抗器振动声学指纹监测系统时频能量分布矩阵(ATF图谱)。电抗器振动声学指纹监测技术交流

我公司结合多年研发及现场经验，成功研制GZAFV-06型便携式变压器声纹振动监测与诊断系统，可支持固定安装的长期在线监测型、便携的带电监测与诊断型、可移动的短期重症监护型等三种工作模式。本系统由IEPE式振动(加速度)传感器、声纹(自由场)传感器、驱动电机电流传感器、数据采集装置、云服务器（采用B/S结构）、通讯子系统及供电系统构成，结合包络分析、重合度分析、小波分析、能量分布矩阵、频谱分析等多种算法，并提取典型特征参量，在线状态下实现变压器OLTC及本体（绕组及铁芯）的监测与诊断。高压振动声纹监测实验室杭州国洲电力科技有限公司振动声学指纹监测运行状态告警。

3.2.3云平台服务器各项监测的数据经现场的数据采集装置通过4G/5G无线传输模组（或电力光纤专网）传送至云服务器进行存储及深度计算，远端通过浏览器登录云服务器可随时随的查看系统监测与诊断内容，对变压器进行运行状态的监测与诊断分析。云平台系统结构图如下图7所示，采用B/S结构（浏览器/服务器模式），提供本系统的数据深度计算、存储及浏览器查看服务，便于管理。3.3信号分析与处理3.3.1OLTC运行状态分析OLTC动作时，典型声纹振动和驱动电机电流的信号如下图8所示。通过分解时域内典型信号区间，可有效判断分接开关驱动电机启动、分接选择器断开、分接选择器闭合、切换开关动作、驱动电机制动等动作顺序，进而分析分接开关的运行状态。

4.2.3根据各时频信号相关系数、能量分布曲线特征参量（相关系数、最大值、平均值、峰度、偏度）、ATF图谱特征参量（六等分区间均值）、总谐波畸变率、基频信号能量比等状态量，采用深度学习算法，自动判断变压器运行状态及疑似机械故障类型。图16基于声纹振动法的故障诊断4.2.4结合变压器的带电检测、智能巡检以及其他在线监测的状态量，进行数据的多参量融合分析，形成基于多源数据的故障预警机制，多参量融合分析不仅提高了疑似故障识别的准确性，而且还能**降低因单个参量判别故障带来的误报。例如，对于变压器疑似问题的诊断可结合负荷、损耗、绕组机械振动信号、油温、以及历史电流电压情况分析，在监测到变压器的声纹振动频谱时，系统可以自动去查询变压器的历史电流和电压信号，如果发现在某段时期确实有大电流冲击，可给出预警：变压器可能存在绕组变形的异常。杭州国洲电力科技有限公司变压器/电抗器振动声学指纹监测系统传感器。

(3)基频信号能量比（E）：100Hz基频分量时域信号能量占信号总能量的比值，计算公式如下公式2所示：公式2：基频信号能量比计算公式公式2中S1为100Hz基频分量的时域信号，Sj为原始信号，j为采样索引值。正常状态下，由于100Hz基频分量为声纹振动频谱图的主要成分，基频信号能量比应较大；存在故障时，谐波分量增加且峰值频率发生偏移，基频信号能量比变小。(4)相关系数(r)：正常状态与实时测得声纹振动信号频谱图之间的相似度，计算公式如下公式3所示：公式3：相关系数计算公式公式3中Xi和Yi分别为正常状态与实时测得声纹振动信号的频域分布，X和Y为对应信号的平均值，相关系数范围为0~1。正常运行时，相关系数应接近于1；存在故障时，信号频率分布发生改变，互相关系数减小。GZOLM-1000G 系列特高压GIS 多参量监测与融合评价系统售后服务及质量承诺。高压振动声纹监测实验室

国洲电力变压器振动监测系统技术说明。电抗器振动声学指纹监测技术交流

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。4.2.3根据各时频信号互相关系数、能量分布曲线特征参量（互相关系数、最大值、平均值、峰度、偏度）、ATF图谱特征参量（六等分区间均值）、总谐波畸变率、基频信号能量比等状态量，采用深度学习算法，自动判断变压器运行状态及机械故障类型。

4.2.4结合变压器的带电监测、智能巡检以及其他在线监测状态量，进行数据的多参量融合分析，形成基于多源数据的故障预警机制，多参量融合分析不仅提高了识别故障的准确性，而且还能**降低因单个参量判别故障带来的误报。例如，对于变压器疑似问题地诊断可结合负荷、损耗、绕组机械振动信号、油温、以及历史电流电压情况分析，在监测到变压器地声纹振动频谱时，GZAFV-01系统的操控及监测数据分析系统可以自动去查询变压器地历史电流和电压信号，如果发现在某段时期确实有大电流冲击，可给出预警：变压器可能存在绕组变形地异常。 电抗器振动声学指纹监测技术交流