局放在线监测系统结构

产品简介GZPD-01G局放在线监测系统能够长期稳定运行，实时监测GIS设备在运行过程中的绝缘状态情况，可以及时对GIS设备绝缘异常状态和放电性故障做出预警，为GIS设备的安全运行提供必要的指导数据，提高GIS设备运行的可靠性、安全性和有效性。本系统采用特高频法（UHF）及超声波（PD）法，优点是能对放电故障进行识别，抗干扰能力强，灵敏度较高，能对局部放电进行实时监测。系统原理及结构1、系统工作原理处于高压SF6气体环境中的局部放电，其放电信号的上升沿及持续时间极短，一般为ns级。典型GIS设备局部放电信号的频谱可从低频到数百MHz甚至1GHz以上。GIS设备的金属同轴结构是一个良好的波导，特高频（UHF）放电信号能够在GIS中有效地传播。UHF信号在经过绝缘子时，可以通过绝缘子露出金属法兰的部位到达GIS外部，因此可以在盆式绝缘子外部，采用特高频传感器对GIS内部的UHF局放信号进行监测。UHF信号在GIS罐体内部没有阻隔时，衰减很小，而在经过盆式绝缘子、转角、T连接等部位则衰减较大。UHF信号每经过一个绝缘子，信号强度衰减3～6dB，因此可以根据各传感器UHF信号的大小判断故障位置。杭州国洲电力科技有限公司在线监测性能。局放在线监测系统结构

GZPD-01G局放在线监测性能:a)传感器频响特性传感器在工作频带内平均有效高度不小于9mm。b)检测灵敏度监测装置（含传感器）在GTEM小室中检测7V/m（或17dBV/m）的瞬态电场强度峰值时的信噪比不低于2倍（或6dB）。c)动态范围监测装置的动态测量范围不小于40dB，在动态范围内检测结果能有效反映局部放电强度的变化。d)监测有效性根据外置传感器配置方案，监测装置能检测到发生在被监测设备内部各处的、放电量不超过20pC的局部放电信号，并可准确判断放电缺陷的类型。局放在线监测系统结构杭州国洲电力科技有限公司振动声学指纹在线监测系统功能。

GZAF-1000T系列变压器(电抗器)振动声学指纹监测系统---系统结构：GZAF-1000T系列变压器/电抗器振动声学指纹监测系统由压电式加速度传感器、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，系统机构图如下图2所示。传感器：GZAF-1000T系列变压器/电抗器振动声学指纹监测系统传感层由6路压电式加速度传感器及1路电流传感器构成，各传感器外观及参数如下表1所示。压电式加速度传感器集成电荷放大器，将振动信号转换成与之成正比的电压信号；电流传感器采用微型卡扣结构，便于现场安装，节省空间。采用3路压电式加速度传感器获取有载分接开关振动信号，振动传感器通过固定底座安装在变压器/电抗器外壁，安装位置通常选取平行于分接开关垂直传动杆方向，且尽量靠近分接开关触头组处。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。

杭州国洲电力科技有限公司，专注于综合智慧能源服务领域内发、输、变、配、用、储等全过程的各主设备参量监测、数据分析和状态评价技术的研制，致力于为领域内的各科研院所、专业院校、设备管理、工程服务、发电、设备制造等合作方提供前列的解决方案。我公司于2014年1月把研发部、生产部和技术服务部融合打造成“技术智造中心”，并在研发部组建了专注于局部放电监测技术和振动声学指纹监测技术的两个技术组，成功研制出自主知识产权的、先进的局部放电和振动声学指纹监测技术，且至今已在合作方的实验室、投运站场、制造厂区上大量运用多年，为综合智慧能源服务领域中电网的可靠运行提供了逐年增长的先进的、高效的技术支持。振动声学指纹在线监测技术的应用意义。

GZAF-1000T系列变压器(电抗器)振动声学指纹监测系统--系统功能：基本功能：信号阈值告警功能，软件自动分析信号增长趋势，实现自动告警，也可手动设置告警阈值，支持短信告警；智能分析功能：系统软件内置海量故障特征的数据库，可与测得的数据进行比对，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；也可添加新测得的数据，方便后期横向、纵向比较；软件可将同一厂家同一型号的正常检测数据进行导入保存，便于对该厂家、型号的变压器数据曲线进行比对分析；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。杭州国洲电力科技有限公司局放在线监测技术参数。浙江高压开关振动在线监测系统组件

杭州国洲电力科技有限公司在线监测遵循标准。局放在线监测系统结构

GZAF-1000T系列变压器(电抗器)振动声学指纹监测系统---信号分析与处理：有载分接开关运行状态分析有载分接开关动作时，典型振动声学指纹和驱动电机电流的信号如下图7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。然而，以上通过典型信号分析判断分接开关的运行状态需要丰富的实践经验，为方便检测人员快速完成诊断任务，需通过多种算法更直观、准确地判断开关状态。变压器/电抗器声学指纹监测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对比等多种**算法，实现有载分接开关***、有效、准确的状态诊断和早期故障监测，降低变压器/电抗器运行的故障风险。局放在线监测系统结构