隔离开关振动声学指纹在线监测云平台服务器

振动声学指纹监测技术的应用意义我公司基于振动声学指纹监测技术研制的GZAF-1000系列监测系统适用于变压器/电抗器（绕组、有载分接开关、铁心等）、开关类（GIS、敞开式断路器、隔离开关、开关柜等）等电力设备的带电检测、在线监测与故障诊断，不影响被测设备正常运行，且与被测设备无电气连接，具有安装方便、安全、可靠等优点，主要意义如下：1、采用带电检测/在线监测方式，不影响主设备正常运行，降低了电网风险；2、减少了人员进站检查的运维成本；3、监测方式与设备无电气连接，具有安全、可靠、安装方便等优点；4、采用独特的时域分析、包络分析、重合度对比、时频矩阵分析等方法，并提峰值频率、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等特征参量，提高在线监测准确度。5、内置基于海量样本的大数据和人工智能技术而建立的**分析型数据库，可真实反应设备运行状态，有效诊断绕组变形、机械卡涩、触头磨损、电动机构拒动等故障程度和类型；6、符合智慧变电站建设原则，监测系统的IED具备边缘计算能力，就地采集并处理振动声学指纹及其它信号。GZAF-1000T系列变压器(电抗器)振动声学指纹监测历史数据对比。隔离开关振动声学指纹在线监测云平台服务器

各类高压开关监测系统的技术参数类别指标名称技术指标备注振动声学指纹传感器励磁电压DC18～30V频率范围为0.5Hz～3kHz的传感器适用于GIS本体振动声学指纹监测；频率范围为0.5Hz～20kHz的传感器适用于隔离开关及断路器机械特性监测。励磁电流2～20mA灵敏度100mV/g测量范围50g频率范围0.5Hz～3kHz/20kHz数量1个电流传感器电流范围0～20A适用于隔离开关及断路器机械特性监测。频率范围10Hz～100kHz线性度＜1%误差＜1%噪声比优于80dB数量6个位移传感器测量范围0～300mm适用于断路器机械特性监测。时间分辨率优于0.1ms行程分辨率优于0.1mm数量1个IED(监测单元)采样率200kS/s采样精度16bit通道数量8（可根据监测需求定制）通讯接口RS485、RJ45、光纤、4G/5G杭州振动声学指纹在线监测软件界面GZAF-1000T系列变压器(电抗器)振动声学指纹监测技术交流与投运业绩。

(7)振动相关性(MPC)：振动相关性分析用一个特征量MPC表示各个测点之间的振动相关程度，该参数用于表示100Hz基频分量时域信号能量占信号总能量的比值，其计算公式为=正常状态下，由于100Hz基频分量为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。敞开式断路器在电力系统中起到保护和控制作用，它根据供电系统运行的需要来可靠地投入或切除相应的线路或电气设备，以确保系统安全运行。实现对断路器机械特性的在线监测，准确得知断路器的工作状态和故障部位，可以有效减小维护工作量，增强检修的针对性，***提高供电系统可靠性和经济性。

绕组及铁芯运行状态分析下图13(a)为变压器/电抗器运行时的绕组及铁芯振动声学指纹的时域信号。为更直观地分析绕组及铁芯运行状态，采用频域法分析振动声学指纹信号，实现在线状态下的故障监测。如下图13(b)所示，基于振动声学指纹信号的频域分布，提取峰值频率、总谐波畸变率、基频能量比、互相关系数特征参量，以作为变压器/电抗器运行状态的分析参数。各特征参量定义及解释如下：(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：=2其中100Hz基频分量有效值，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。杭州国洲电力科技有限公司振动声学指纹在线监测功能特性。

变压器/电抗器运行时，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，绕组振动信号的基频为100Hz。由于变压器/电抗器中磁感应强度正比于加载电压的平方，铁芯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，振动信号还会包含频率为100Hz整数倍的高次谐波。当变压器/电抗器的绕组变形或铁芯故障后，振动信号频谱分布将发生改变，产生谐波分量。因此，振动信号分量可以作为区别绕组变形故障与铁芯故障的重要依据，采用振动分析法可实现绕组及铁芯的故障诊断。GZAF-1000T系列变压器(电抗器)振动声学指纹监测能量分布曲线。GIS振动声学指纹在线监测技术产品功能

GZAF-1000T系列变压器(电抗器)振动声学指纹数据采集装置。隔离开关振动声学指纹在线监测云平台服务器

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。隔离开关振动声学指纹在线监测云平台服务器