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

变压器在生产、运输、安装过程中或在短路电流作用下,均会使绕组及铁芯压紧程度降低,绕组及铁芯故障分别约占变压器整体故障的36%和4%,对变压器抗短路电流冲击能力及安全稳定运行产生巨大威胁。绕组故障主要包括绝缘老化、受潮、匝间或绕组间短路、断路及机械损伤等,以上故障类型均可能导致绕组变形。传统的绕组变形监测方法有低压脉冲法(LVI)、频率响应分析法(FRA)和短路阻抗法(SCI),以上方法*适用于离线或停电监测。铁芯典型故障包括压铁松动、接地不良、夹件松动或损伤,常用监测方法包括绝缘电阻测试及接地电流监测。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行业影响力。GIS振动声学指纹在线监测内容

GIS振动声学指纹在线监测内容,振动声学指纹在线监测

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。声纹振动声学指纹在线监测电话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经济效益分析。

GIS振动声学指纹在线监测内容,振动声学指纹在线监测

电力系统中的开关类设备主要包括GIS、AIS(敞开式断路器)、GIS/敞开式的隔离开关、开关柜断路器等。各类开关设备的材料、工艺、设计、安装过程中的缺陷以及频繁动作极易引起机械故障,严重时更会导致电气火灾、停电等事故,现有状态检修方式的试验周期长、耗费人力物力、检修效率低等缺点,较大地影响设备正常运行。GIS是当今输电网络中一种应用***的电气设备。通过将变电站中断路器、隔离开关、接地开关、PT、CT、避雷器、连接母线、电缆终端、进出线套管等一次设备经过优化设计并有序地结合为整体,在金属壳内封装起来,内部充SF6气体作为灭弧和绝缘介质组成的封闭组合电器。与传统的敞开式相比较,GIS具有占地面积小、可靠性高、安全性强、运行维护工作量很小等优点,因而被大量使用在重要负荷、枢纽变电站中。但由于其采用全封闭结构,一旦发生故障,影响范围大并且难以准确定位及快速抢修,将会带来严重的经济损失。随着GIS逐步在特高压输电网络推广应用,设备故障所造成的影响将进一步加大。

3.3.2.3基频信号能量比(E)100Hz基频分量时域信号能量占信号总能量的比值,计算公式:E=jmS1j2jmSj2,其中S1为100Hz基频分量的时域信号,Sj为原始信号,j为采样索引值。正常状态下,由于100Hz基频分量为声纹振动频谱图的主要成分,基频信号能量比应较大;存在故障时,谐波分量增加且峰值频率发生偏移,基频信号能量比变小。3.3.2.4互相关系数(r)正常状态与实测的声纹振动信号频谱图之间的相似度,计算公式:r=i=0N-1[Xi-X][Yi-Y]i=0N-1[Xi-X]2i=0N-1[Yi-Y]2,其中Xi和Yi分别为正常状态与实时测得声纹振动信号的频域分布,X和Y为对应信号的平均值,互相关系数范围为0~1。◆正常运行时,相关系数应接近于1。◆存在故障时,信号频率分布发生改变,互相关系数减小。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行业标准对比。

GIS振动声学指纹在线监测内容,振动声学指纹在线监测

四、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。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行业应用前景。声纹振动声学指纹在线监测监测人员

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行业合作案例。GIS振动声学指纹在线监测内容

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。 GIS振动声学指纹在线监测内容

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