GZPD-234系列振动声纹监测技术参数

3.1.2功能特点Ø采用加速度传感器监测GIS本体振动信号，监测主机/IED具备多个传感测点连续实时或周期性自动监测功能；Ø具备诊断分析功能，监测主机/IED可向综合分析单元传送标准化数据、分析结果和预警信息，并接收下传控制命令；Ø具有比对分析功能，可将测量数据与标准信号、历史测量信号进行比对分析；Ø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1年以上数据；Ø具备振动信号时域波形展示、频谱分析(基频为100Hz)功能，可自动提取峰值频率、总谐波畸变率、频谱互相关系数、频率复杂度、振动平稳性、能量相似度、振动相关性等特征参量，作为GIS运行状态分析参量，且用户可定义设置报警阈值。下页图3为正常状态与异常状态时，GIS本体的振动信号的时域波形及频域谱图。各监测子系统的功能特点与技术参数。GZPD-234系列振动声纹监测技术参数

11、DL/T1540油浸式交流电抗器（变压器）运行振动测量方法；12、DLT1694.2高压测试仪器及设备校准规范第2部分：电力变压器分接开关测试仪；13、DL/T1805电力变压器用有载分接开关选用导则；14、DL/T1051电力技术监督导则；15、DL/T1054高压电气设备绝缘技术监督规程；16、DL/T11771000kV交流输变电设备技术监督导则；17、Q/GDW383智能变电站技术导则；18、Q/GDWZ410高压设备智能化技术导则；19、Q/GDWZ414变电站智能化改造技术规范；20、Q/GDW561输变电设备状态监测与诊断系统技术导则；21、Q/GDW739输变电设备状态监测与诊断主站系统变电设备在线监测与诊断I1接口网络通信规范；22、Q/GDW1168-2013输变电设备状态检修试验规程；杭州特高压振动监测仪制造厂家国洲电力振动监测系统技术服务。

七、技术交流与投运业绩GZAFV-06T型便携式变压器声纹振动监测与诊断系统已成功应用于智能变电站、智慧变电站及数字化变电站等示范项目(已经投运的廊坊特高压站、济南商西站、青岛顾家站和世纪站、泰安天平站等)，实现大型电力设备的全振动在线监测与故障诊断，有效的提高电力设备运行的可靠性。同时，我公司积极与各科研院所(南网电科院、广东电科院广西电科院、冀北电科院、山东电科院、江苏电科院、浙江电科院等)、供电公司(冀北、山东、山西、江苏、宁夏等的省检)、变压器制造商(山东电力设备制造厂、江苏华鹏变压器厂、南通的韩国晓星变压器厂、杭州钱江变压器厂等)、OLTC制造商（上海华明、贵州长征、德国MR等）、变电站综合监测系统平台承建商(国网智能、南瑞科技、长园深瑞等)开展合作，不断丰富各型变压器的声纹振动样本数据库。

其中，l**信号递归图中斜对角线的长度，P(l)**对角线长度为l的对角线的条数，Im**斜对角线的最小长度。DET值是一个介于0和I之间的数，对于正常运行的GIS而言，其机械结构确定性很高，其DET值接近1。(6)能量相似度(EDR):能量相似度分析用于衡量不同负载条件下各个监测点的振动能量相似性,振动能量分布特性的改变能够反映GIS内部机械结构的变化，其定义的公式如下：EDR=1Mi=1Mvi-μ×100%其中，vi为各频率信号归一化能量，μ为能量平均值。能量相似度分析通过对比测量信号的能量与目标能量差异来判断GIS振动是否异常。当某个测点的EDR值突然变大，这意味着该测点附近的机械结构可能出现异常。GZAFV-06T型便携式变压器声纹振动 监测与诊断系统。

长园深瑞等)开展合作，不断丰富各型变压器的声纹振动样本数据库。GZAFV-06T型系统包括便携式带电监测与诊断型（分体机的如下图25C、一体机的如下图25D）、固定式在线监测与诊断型（标准1U式的如下图25E、壁挂式监测与诊断单元的如下图25F）等机型。其中，便携式一体机结构轻巧，适用于带电检测，标准单元与壁挂式单元适用于长期在线监测与重症监护。7.1 2020年10月20日，我公司荣获国家电网公司设备部的邀请，参与关于智慧变电站技术方案审查会，向与会的国网公司设备部、各省公司设备部及各省电科院的领导和**们做了《振动声学指纹监测技术在变电站主设备智慧型综合监测中的作用和实施方案》的汇报，荣获与会的领导和**们的高度认可，如下图26所示。杭州国洲电力科技有限公司振动监测产品有哪些？杭州电抗器振动声纹

GZPD-16 型特高频局部放电监测子系统。GZPD-234系列振动声纹监测技术参数

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。 GZPD-234系列振动声纹监测技术参数