振动声学指纹在线监测常见问题

功能特性◆IED/主机具备多个点位开展实时连续性或周期性的监测GIS本体声纹振动信号，向平台层操控计算机传送监测数据开展智能分析，操控及监测数据分析软件实时展示分析结果和预警信息。◆具有比对分析功能：可将现测的与同规格被试品/历史的监测数据进行横向/纵向比对分析。◆具有断电不丢失存储数据、复电自动启动/复位功能，可连续实时监测、存储及导出1年以上数据。◆具备声纹振动信号时域波形展示、频谱分析(基频为100Hz)功能，可自动提取峰值频率、总谐波畸变率、频谱互相关系数、频率复杂度、振动平稳性、能量相似度、振动相关性等特征参量，以作为GIS运行状态分析参数，用户可设置报警阈值。◆智能分析：依托于我公司建立的海量典型故障案例的数据库，包络分析后可快速实现历史信号重合度比对开展智能分析，更直观、快速地判断电力设备运行状态。为量化信号重合度比对，GZAFV-01系统引入互相关系数的计算，当实时采集信号包络曲线与正常状态包络曲线的互相关系数：GZAF-1000S系列高压开关振动声学指纹监测系统技术说明。振动声学指纹在线监测常见问题

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。4.1.9智能分析功能：软件内置典型故障特征的数据库，可与监测数据进行比对，通过信号波形、时间长度和幅值等特征值，诊断分析故障类型；也可添加新监测数据，方便后期横向、纵向比较；可将同一厂家同一型号的正常监测数据导入保存，便于对该厂家、型号的变压器监测数据曲线进行比对分析。4.1.10具有报表分析功能，自动计算并保存重合度、动作时间、能量分布、电流最大值、电流平均值、绕组及铁芯振动峰值频率、总谐波畸变率、基频能量比、互相关系数等特征参量，并生成分析报表。专注振动声学指纹在线监测监测维修GZAF-1000S系列高压开关振动声学指纹监测系统--敞开式断路器监测技术背景。

近年来，国家电网公司状态检修工作不断深化，对设备可靠性的要求不断提高，及时、有效发现GIS内部潜伏性缺陷，保证GIS安全稳定运行、合理安排检修周期成为状态检修模式下的当务之急。目前针对GIS较成熟的监测方法，主要有电气法、声测法及化学分析法三大类，以上监测方法均针对的是放电性故障所产生的电磁、声、光、电弧分解产物等物理量。但在GIS的运行中，除了放电性故障之外，机械性故障也是导致事故发生的一大主要原因，当GIS存在开关触头接触异常、壳体对接不平衡、导杆轻微弯曲等缺陷时，在开关操作的机械力、负载电流产生的交变电动力等因素的作用下会产生机械性运动，造成设备异常振动。GIS的异常振动对其本体有很大危害，会造成SF6气体泄露、盆式绝缘子和绝缘支柱损伤、外壳接地点悬浮等缺陷，长期发展可能导致绝缘事故的发生。因此，加强对GIS机械性故障的监测，是保证GIS安全运行的重要手段。

采用1路电流传感器获取有载分接开关驱动电机电流信号，电流传感器安装于驱动电机电源线处。采用3路振动传感器检测变压器/电抗器绕组及铁芯运行状况，传感器通常选取于上夹件底部、非冷却器侧油箱表面中部及油箱顶部中心点。为保持检测点的同一性，便于后期历史数据对比，建议所有振动传感器底座长期固定在变压器/电抗器外壁上。传感器安装示意图如下图3所示，变压器/电抗器声学指纹监测系统所有传感器单元均与变压器/电抗器本体无电气连接，安装简单方便，适用于在线监测或带电检测。（注：传感器数量及安装位置可根据具体技术规范或方案调整。）GZAF-1000T系列变压器(电抗器)振动声学指纹监测系统结构。

6.62019年4月，在国网宁夏±800kV灵州特高压换流站、国网山西±800kV雁门关特高压变电站、国网江苏1000kV盱眙特高压和±800kV淮安特高压换流站等，我公司技术服务部的电气作业工程师会同变电站属地的省电科院和省检公司、电力设备厂家等的技术员运用我公司的GZAFV-01型系统对特高压变压器OLTC开展状态监测与评价的技术服务。6.72020年11月，我公司技术服务部的杨加浩工程师在广西南宁供电局的变电二所实训基地向广西电科院高压所黎大健主任、广西大学电气工程学院郑含博教授、***电力公司设备部王佳灵高工、南网高级技能**李炎、南宁供电局设备部检修专责罗工等各位领导**做变压器（绕组、OLTC）和开关设备的声纹振动监测技术的实操演示。GZAF-1000S系列高压开关振动声学指纹监测系统功能特点。监测振动声学指纹在线监测监测的选择

GZAF-1000T系列变压器(电抗器)振动声学指纹监测系统相关标准。振动声学指纹在线监测常见问题

系统功能：结合变压器/电抗器的带电检测、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/电抗器地振动声学指纹频谱时，系统可以自动去查询变压器/电抗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/电抗器可能存在绕组变形地异常。振动声学指纹在线监测常见问题