振动声学指纹在线监测基本参数
  • 品牌
  • 国洲电力
  • 型号
  • GZAF-1000T系列,GZAF-1000S系列
  • 厂家
  • 国洲电力
振动声学指纹在线监测企业商机

绕组及铁芯运行状态分析下图13(a)为变压器/电抗器运行时的绕组及铁芯振动声学指纹的时域信号。为更直观地分析绕组及铁芯运行状态,采用频域法分析振动声学指纹信号,实现在线状态下的故障监测。如下图13(b)所示,基于振动声学指纹信号的频域分布,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,以作为变压器/电抗器运行状态的分析参数。各特征参量定义及解释如下:(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:=2其中100Hz基频分量有效值,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简介。国洲电力振动声学指纹在线监测指纹监测标准

国洲电力振动声学指纹在线监测指纹监测标准,振动声学指纹在线监测

3、2020年8月6日,我公司荣获南方电网生产技术部的邀请,作为技术合作商的**参加生产技术部、各分省公司、南网电科院和南网数研院等部门/单位的**们出席的《公司新技术交流会议》,向与会的各位**做了《变压器振动监测技术》的专题汇报。4、2020年11月19日,我公司荣获南网广西电网公司总经办和生产技术部的邀请,向广西电网公司的总经理、副总经理以及生产技术部、电力科学研究院等相关部门和直属单位的领导做了《变压器声纹振动在线监测与故障诊断技术》的专题汇报,获得了领导和**们的称赞与肯定。国洲电力振动声学指纹在线监测指纹监测标准GZAF-1000T系列变压器(电抗器)振动声学指纹监测运行状态告警。

国洲电力振动声学指纹在线监测指纹监测标准,振动声学指纹在线监测

5、2020年10月30日,国网公司设备部领导视察1000kV廊坊特高压变电站已投运的1000kV电抗器运行情况。(通过查看我公司的GZOLM-1000T系列变压器/电抗器综合在线监测系统(局部放电、振动声学指纹、铁心接地电流、油色谱)的多参量数据监测和融合评价技术所展示的电抗器运行参量和状况)图28电力设备监测及诊断技术的“中国智造者”第28页共29页6、2019年4月,在国网宁夏±800kV灵州特高压换流站、国网山西±800kV雁门关特高压变电站、国网江苏1000kV盱眙特高压和±800kV淮安特高压换流站,我公司会同变电站属地的电科院和检修公司、主设备厂家的技术工程师运用我公司的GZAF-06T型振动声学指纹监测系统对特高压变压器的有载分接开关开展状态监测与评价的技术服务。7、2020年11月,我公司技术支持中心的杨加浩工程师在广西南宁供电局的变电二所实训基地向广西电科院高压所黎大健主任、广西大学电气工程学院郑含博教授、***电力公司设备部王佳灵高工、南网高级技能**李炎、南宁供电局设备部检修专责罗工等各位领导**做变压器(绕组、有载分接开关)和断路器振动声学指纹监测技术的实操演示。

云平台服务器:数据经现场采集装置采集后,通过4G/5G无线传输模组(或电力光纤专网)传送至电力设备监测及诊断技术的“中国智造者”第10页共29页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地查看系统监测内容,对变压器/电抗器进行运行监测及诊断分析。云平台系统结构图如下图6所示,采用B/S结构(浏览器/服务器模式),提供监测系统的数据深度计算、存储及浏览器查看服务,便于管理。信号分析与处理有载分接开关运行状态分析GZAF-1000S系列高压开关振动声学指纹监测系统各类高压开关监测系统的技术参数。

国洲电力振动声学指纹在线监测指纹监测标准,振动声学指纹在线监测

1.2变压器/电抗器运行状态概述变压器/电抗器(下文皆用“变压器”简称)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。有载分接开关(下文皆用OLTC简称)、绕组及铁芯是变压器的重要组成部分,三者故障率总和占变压器整体故障70%左右,而传统预防性试验有试验周期长、影响变压器正常运行、耗费人力物力等缺点。开展基于声学指纹的状态监测,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。GZAF-1000T系列变压器(电抗器)振动声学指纹监测软件界面。在线声纹振动声学指纹在线监测网上价格

GZAF-1000T系列变压器(电抗器)振动声学指纹监测系统概述。国洲电力振动声学指纹在线监测指纹监测标准

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。 国洲电力振动声学指纹在线监测指纹监测标准

与振动声学指纹在线监测相关的**
信息来源于互联网 本站不为信息真实性负责