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。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。便携式声纹振动声学指纹在线监测监测卡
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，由冷却系统引起的基本振动频率小于100Hz，不作为变压器的分析内容。变压器内部的声纹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至变压器外壁，可由安装于外壁的声纹振动传感器测得。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OLTC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，从而使驱动电机电流发生变化。因此，可通过监测驱动电机电流信号与声纹振动信号的结合分析，可更加有效的评价OLTC在线运行状态下的健康态势评价与故障类型诊断。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检测振动声学指纹在线监测监测试验GZAFV-01型声纹振动监测系统（开关设备）设计和性能优化。
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。
3.3GZAFV-01系统的监测数据信号分析与处理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3.4所示。通过分解时域内典型信号区间，可有效判断OLTC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OLTC的运行状态。然而，以上通过典型信号分析判断OLTC的运行状态需要丰富的实践经验，为方便监测人员快速完成诊断任务，需通过多种算法更直观、准确地判断OLTC状态。GZAFV-01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比对等多种核心算法，实现OLTC***、有效、准确的状态诊断和早期隐患监测，降低OLTC运行的故障风险。GZAFV-01型声纹振动监测系统（变压器、电抗器)实时监测和分析的结合。
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。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。检测振动声学指纹在线监测监测厂家电话
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行业标准对比。便携式声纹振动声学指纹在线监测监测卡
3.3.1.1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如下图3.5所示。
3.3.1.2信号包络重合度比对分析如下图3.6所示，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。 便携式声纹振动声学指纹在线监测监测卡
