在线振动监测国家标准

四、功能特点4.1基本功能4.1.1支持多通道信号同步实时的采集、显示及分析；4.1.2具有时间触发和电流触发功能，可手动选择信号触发方式；4.1.3可将任意两次监测的图谱进行相似度分析，并自动计算图谱的重合度；4.1.4具有先进的能量谱分析功能，并能自动识别能量谱比较大的高低频能量频率；4.1.5独有的信号处理功能，生成振动信号及声纹信号ATF图（**算法，**所有），更直观、更便捷分析OLTC、绕组和铁芯的运行状态；4.1.6具有绕组和铁芯的声纹振动信号频谱分析功能，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振动、声纹和电流信号的历史数据曲线趋势功能；杭州国洲电力科技有限公司的核主要团队介绍与技术研发实力。在线振动监测国家标准

变压器运行时，电流通过绕组时产生的电动力引起绕组振动，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。由于绕组导体所受电动力正比于负载电流的平方，绕组的声纹振动信号的基频为100Hz。由于变压器中磁感应强度正比于加载电压的平方，铁芯的声纹振动信号的基频也为100Hz。另外，考虑到铁芯振动的非线性特性，声纹振动信号还会包含频率为100Hz整数倍的高次谐波。当变压器的绕组变形或铁芯故障后，声纹振动信号频谱分布将发生改变，产生谐波分量。因此，信号分量可以作为区别绕组故障与铁芯故障的重要依据，采用声纹振动监测法可实现绕组及铁芯在线运行状态下的健康态势评价与故障类型诊断。断路器振动监测参数杭州国洲电力科技有限公司振动声学指纹在线监测服务的全流程支持。

能量分布曲线

基于小波变换的声纹振动信号多分辨率分析结果如下图3.8所示。原始信号经8层分解后产生第8层的近似分量和第1层至第8层的详细分量，计算各层详细分量信号能量，可获得信号能量分布曲线。比对正常状态与异常状态能量分布曲线，可判断OLTC运行状态，并提取互相关系数、最大值、平均值、峰度、偏度作为状态诊断特征参量。下图3.7为正常与异常状态的声纹振动信号能量分布曲线比对。

时频能量分布矩阵(ATF图谱)

获取声纹振动信号的时频能量分布矩阵，同时反映原始信号时域、频域特性及能量分布。将信号时频分布矩阵分为6个区间，计算各区间平均值作为特征参量，用于OLTC正常状态与异常状态比对。下图3.9为正常状态下声纹振动信号时频能量矩阵。

(1)包络分析为提高在线监测与诊断的准确度，GZAFV-06T型系统的数据采集装置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，GZAFV-06型系统采用小波变换和希尔伯特变换结合的信号包络分析。OLTC的声纹振动和驱动电机电流的信号包络分析如下图9的A和B所示。杭州国洲电力科技有限公司振动声学指纹在线监测技术系统的多功能集成。

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。然而，以上通过典型信号分析判断分接开关的运行状态需要丰富的实践经验，为方便技术人员快速完成诊断任务，需通过多种算法更直观、准确的判断开关状态。变压器声纹振动监测与诊断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对比等多种核芯算法，实现OLTC***、有效、准确的状态诊断和早期故障监测与诊断，降低变压器运行的故障风险。GZAFV-06T型便携式变压器声纹振动 监测与诊断系统传感器。高压振动监测操作

杭州国洲电力科技有限公司振动监测相关产品有哪些？在线振动监测国家标准

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

信号包络重合度比对分析

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。 在线振动监测国家标准