各特征参量定义如下：(1)峰值频率：频谱图中比较大幅值对应的频率值。(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，计算公式如下：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监测信号重合度分析。电力振动监测操作指南
3.3.2功能特点GIS中及敞开式隔离开关的机械特性监测主机/IED主要功能特点如下：Ø采用振动和电流的传感器监测隔离开关的振动及电机电流信号；Ø具有比对分析功能，可将测量数据与标准信号、历史测量信号进行横向及纵向比对分析；Ø具有诊断功能，可对隔离开关的机械状态进行诊断，上传原始数据及分析结果；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、存储及导出功能，可够存储500次以上的操作数据，并具备批量处理数据功能。Ø具备振动及电机电流信号波形、包络分析、时频图谱等展示功能；Ø自动提取分合闸动作时间、电机电流的峰值和燃弧时间、电流抖动、振动高幅值关键特征、振动脉动关键特征等参量。电力振动监测多少钱杭州国洲电力科技有限公司振动监测系统功能特点。
三、技术方案3.1系统原理变压器振动主要包括OLTC切换时的瞬态振动、电流通过绕组时电动力引起的绕组振动、硅钢片的磁致伸缩及硅钢片接缝处与叠片之间的漏磁导致铁芯振动、以及冷却装置工作时的振动。其中冷却系统引起的基本振动频率小于100Hz，不作为变压器振动监测与诊断分析的内容。变压器内部振动信号通过绝缘油、支撑单元、加强筋结构等多种途径传播，可由安装于外壁的振动传感器测得。OLTC切换过程中，分接选择器动作、切换开关动作、动静触头碰撞等机械动作产生声纹振动信号。信号包含触头分合状态、三相触头是否同期、触头表面是否平整、切换是否到位等信息，可反映分接开关结构磨损、卡滞、松动、变形等故障。切换过程中若储能弹簧性能发生改变或储能过程中存在机构卡塞等现象，必然伴随着电机驱动力矩的变化，使驱动电机电流发生变化。因此驱动电机电流与声纹振动的两类信号融合分析，可更加有效的评价OLTC的运行状况和疑似故障类型。
一、概述变压器/电抗器（下文中二者皆用变压器代称）在电力系统中起到电压变换、电能分配等重要作用，其安全稳定运行对确保供电可靠性具有重要意义。变压器的绕组、铁芯和有载分接开关（On-LoadTapChanger，下文中均以OLTC代称，相关标准名除外）是变压器的重要组成部分，三者的故障率总和占变压器整体故障的70%左右，而传统预防性检修方法具有试验周期长、影响变压器正常运行、耗费人力物力等缺点。开展基于声学指纹振动（简称：声纹振动）信号的状态监测与诊断，可在在线状态下及时发现变压器OLTC、绕组及铁芯的潜在故障，并及时预警，从而延长变压器使用寿命，提高电网运行的可靠性。杭州国洲电力科技有限公司振动监测系统监测装置组件。
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-16 型特高频局部放电监测子系统。断路器振动监测试验
GZOLM-1000G 系列特高压GIS 多参量监测与融合评价系统过程跟踪汇报承诺。电力振动监测操作指南
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。电力振动监测操作指南
