声纹振动监测文章

3.2.3云平台服务器各项监测的数据经现场的数据采集装置通过4G/5G无线传输模组（或电力光纤专网）传送至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的查看系统监测与诊断内容，对变压器进行运行状态的监测与诊断分析。云平台系统结构图如下图7所示，采用B/S结构（浏览器/服务器模式），提供本系统的数据深度计算、存储及浏览器查看服务，便于管理。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。GZOLM-1000G 系列监测系统的软件界面。声纹振动监测文章

GIS在运行过程中除了机械故障会导致异常振动外，放电性故障（如绝缘子内部缺陷、螺丝松动悬浮电位放电、毛刺前列放电及金属微粒放电等）也会导致声纹振动信号的产生。因此，通过深入研究GIS外壳声纹振动信号的特点，分析其信号特征，可发现GIS机械性故障及放电性故障，具有监测***、监测结果互相补充的特点。开展基于声纹振动的状态监测，可在在线状态下及时发现开关设备的潜在故障，并及时预警，从而延长设备使用寿命，提高电网运行的可靠性。我公司以声纹振动的监测为主，结合电流、位移等其他状态量，开发故障诊断算法并提取相关特征参量，研制完成的监测系统适用于开关设备的带电监测、在线监测（长期固定式、短期移动式）及疑似故障诊断。有载开关声纹振动原理图杭州国洲电力科技有限公司产品安装。

4.2.3根据各时频信号相关系数、能量分布曲线特征参量（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疑似机械故障类型。图16基于声纹振动法的故障诊断4.2.4结合变压器的带电检测、智能巡检以及其他在线监测的状态量，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疑似故障识别的准确性，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的诊断可结合负荷、损耗、绕组机械振动信号、油温、以及历史电流电压情况分析，在监测到变压器的声纹振动频谱时，系统可以自动去查询变压器的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的异常。

三、技术方案3.1系统原理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。其中冷却系统引起的基本振动频率小于100Hz，不作为变压器振动监测与诊断分析的内容。变压器内部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，可由安装于外壁的振动传感器测得。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，可反映分接开关结构磨损、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，使驱动电机电流发生变化。因此驱动电机电流与声纹振动的两类信号融合分析，可更加有效的评价OLTC的运行状况和疑似故障类型。国洲电力变压器振动监测系统背景。

我公司结合多年研发及现场经验，成功研制GZAFV-06型便携式变压器声纹振动监测与诊断系统，可支持固定安装的长期在线监测型、便携的带电监测与诊断型、可移动的短期重症监护型等三种工作模式。本系统由IEPE式振动(加速度)传感器、声纹(自由场)传感器、驱动电机电流传感器、数据采集装置、云服务器（采用B/S结构）、通讯子系统及供电系统构成，结合包络分析、重合度分析、小波分析、能量分布矩阵、频谱分析等多种算法，并提取典型特征参量，在线状态下实现变压器OLTC及本体（绕组及铁芯）的监测与诊断。国洲电力振动监测系统怎么样？声纹振动监测文章

杭州国洲电力科技有限公司振动监测系统软件界面。声纹振动监测文章

各特征参量定义如下：(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：THD=i=0nVi2V1其中V1为100Hz基频分量有效值，Vi为各谐波分量有效值，i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。。。声纹振动监测文章