在线声纹振动声学指纹在线监测技术指导

敞开式断路器监测功能特性◆具备声纹振动、电流波形、行程曲线、压力变化等记录及展示，自动计算峰值电流、电流上升速率、动作时间、动作时长、行程、动/静触头分/合闸位置和次数等参数。◆IED/主机支持多通道监测数据的实时同步采集，通道数不小于8个（可定制）。◆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。◆具有断电不丢失存储数据、复电自启动、自复位的功能，可连续实时监测、存储及导出1000次以上断路器动作数据。◆断路器每次动作后，IED/主机主动评估断路器运行状态，并自动上传分析结果。◆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。杭州国洲电力科技有限公司振动声学指纹在线监测产品特性。在线声纹振动声学指纹在线监测技术指导

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。 品牌振动声学指纹在线监测方案GZAF-1000S系列高压开关振动声学指纹监测系统--敞开式断路器监测技术背景。

4.1.6通过绕组及铁芯声纹振动信号频谱分析可自动识别峰值频率偏移及谐波增量，实时分析绕组及铁芯运行状态。4.1.7具有自动绘制声纹振动和电流信号的历史数据曲线趋势功能。4.1.8阈值超限告警功能：实时分析信号发展趋势，实现阈值超限自动告警，支持短信发送告警信息。4.1.9智能分析功能：软件内置典型故障特征的数据库，可与监测数据进行比对，通过信号波形、时间长度和幅值等特征值，诊断分析故障类型；也可添加新监测数据，方便后期横向、纵向比较；可将同一厂家同一型号的正常监测数据导入保存，便于对该厂家、型号的变压器监测数据曲线进行比对分析。4.1.10具有报表分析功能，自动计算并保存重合度、动作时间、能量分布、电流最大值、电流平均值、绕组及铁芯振动峰值频率、总谐波畸变率、基频能量比、互相关系数等特征参量，并生成分析报表。

二、遵循标准（不限于下列标准）2.1GB/T4208外壳防护等级（IP代码）。2.2DL/T860变电站通信网络和系统。2.3DL/T1430变电设备在线监测系统技术导则。2.4DL/T1432.1变电设备在线监测装置检验规范第1部分：通用检验规范。2.5DL/T1498.1变电设备在线监测装置技术规范第1部分：通用技术规范。2.6DL/T1686六氟化硫高压断路器状态检修导则。2.7DL/T1687六氟化硫高压断路器状态评价导则。2.8DL/T1700隔离开关及接地开关状态检修导则。2.9Q/GDW383智能变电站技术导则。2.10Q/GDWZ414变电站智能化改造技术规范。2.11Q/GDW561输变电设备状态监测系统技术导则。2.12Q/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。2.13国家电网公司智能组合电器技术规范。杭州国洲电力科技有限公司简介。

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。GZAF-1000T系列变压器(电抗器)振动声学指纹监测技术交流与投运业绩。在线声纹振动声学指纹在线监测监测符号

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应用意义。在线声纹振动声学指纹在线监测技术指导

3.3GZAFV-01系统的监测数据信号分析与处理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3.4所示。通过分解时域内典型信号区间，可有效判断OLTC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OLTC的运行状态。然而，以上通过典型信号分析判断OLTC的运行状态需要丰富的实践经验，为方便监测人员快速完成诊断任务，需通过多种算法更直观、准确地判断OLTC状态。GZAFV-01系统结合基于小波变换及希尔伯特变换的包络分析、基于互相关系数的重合度分析、基于小波多分辨率分解的能量分布曲线分析、基于时频分布矩阵的信号比对等多种核心算法，实现OLTC***、有效、准确的状态诊断和早期隐患监测，降低OLTC运行的故障风险。在线声纹振动声学指纹在线监测技术指导