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。 GZAFV-01型声纹振动监测系统（变压器、电抗器)的高灵敏度检测和早期隐患捕捉。智能振动声纹监测应用前景
ZAFV-01T子系统采用小型化设计，集成式架构，单元内综合电机电流及AFV的信号监测功能，可监测OLTC的完整动作过程和振动状况；可外接电流传感器（CT卡钳式），获取电机电流信号。装置提供RS485接口，对外通信和传送监测数据。GZAFV-01T子系统包括数据服务器，通信模块、AFV、电流传感器，数据采集模块，供电模块。通过吸附在变压器外壁上的3个AFV传感器获取AFV信号和1个电流传感器获取驱动电机电流信号，经现场的IED通过4G/5G无线传送模块传送至平台层数据服务器进行存储，通过操控及监测数据分析软件进行在线监测及诊断分析。质量振动种类GZAFV-01型声纹振动监测系统（变压器、电抗器)的智能评估和故障预警。
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。
GZAFV-01系统的功能特点4.1基本功能4.1.1支持多通道信号同步实时地采集、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可将任意两次测量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，生成声纹振动信号ATF图谱（系我公司***软著权的《变压器有载分解开关及绕组振动测试软件V1.0》中的**核心算法），更直观、更便捷分析OLTC及绕组和铁芯的运行状态。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。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实际应用价值。
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。 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。检测振动诚信合作
杭州国洲电力科技有限公司的企业愿景与使命。智能振动声纹监测应用前景
AFV 信号分析法的关键在于准确监测 OLTC 的 AFV 信号，从而获取其状态数据和工作模式。OLTC 切换时产生的脉冲冲击力，如同设备运行状态的 “信使”，通过变压器油和静触头传递到变压器箱壁，形成具有特定特征的振动信号。我们利用 AFV 传感器对这些信号进行采集和分析，能够获取 OLTC 的切换时间、触头状态等重要信息。当 OLTC 出现触头磨损故障时，其振动信号的频谱会发生明显变化，某些特定频率的幅值会增大。通过对这些信号特征的识别和分析，我们可以迅速判断出 OLTC 的故障类型，为设备的维护和检修提供明确方向。智能振动声纹监测应用前景
