GZAF-1000T系列振动声学指纹在线监测系统结构

OLTC的故障模式有多种，具体包括传动轴断裂、选择开关触头接触不良、操作机构失灵造成的拒动或滑档现象、限位开关失灵、切换开关拒切、中止或动作滞后、内部紧固件松动和脱落、以及内部渗漏等。根据国家电网设备部发布的《设备管理重点工作任务》，2020年度需完成382台换流变分接开关隐患整改，加快消除故障隐患。因此，实施有载分接开关在线监测与故障诊断不仅对确保变压器及整个电网安全稳定运行具有重要的现实意义，也是今后的发展方向。变压器/电抗器在生产、运输、安装过程中或在短路电流作用下，均会使绕组及铁芯压紧程度降低，绕组及铁芯故障分别约占变压器/电抗器整体故障的36%和4%，对变压器/电抗器抗短路电流冲击能力及安全稳定运行产生巨大威胁。绕组故障主要包括绝缘老化、受潮、匝间或绕组间短路、断路及机械损伤等，以上故障类型均可能导致绕组变形。杭州国洲电力科技有限公司振动声学指纹在线监测技术背景。GZAF-1000T系列振动声学指纹在线监测系统结构

(3)频谱互相关系数(r)：正常状态与实时测得振动信号频谱图之间的相似度，计算公式如下：=[−−[−[−2其中和分别为正常状态与实时测得振动信号的频域分布，平均值，互相关系数范围为0~1。正常运行时，相关系数应接近于1；存在故障时，信号频率分布发生改变，互相关系数减小。(4)频率复杂度(FCA)：频率复杂度的定义与信息熵类似，频率成分越复杂，对应的频率复杂度特征量越大，计算公式为：=−ln =其中f=100,200,…,2000Hz,f的谐波比重值。开关柜振动声学指纹在线监测应用意义杭州国洲电力科技有限公司振动声学指纹在线监测产品特性。

概述：电力系统中的高压开关类设备主要包括GIS（气体绝缘金属封闭开关设备：GASinsulatedSWITCHGEAR）、敞开式断路器、GIS隔离开关、敞开式隔离开关、开关柜断路器等，各类高压开关设备的材料、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。现有定期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。开展基于振动声学指纹监测技术的状态评价，可在在线状态下及时发现高压开关类设备的潜在故障，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。我公司以振动声学指纹监测技术为主，结合电流、行程等其他状态量，开发故障诊断算法并提取相关特征参量，研制完成的GZAF-1000S系列高压开关振动声学指纹监测系统适用于高压开关类设备的带电检测、移动式短期在线监测、固定式长期在线监测与故障诊断。

云平台服务器：数据经现场采集装置采集后，通过4G/5G无线传输模组（或电力光纤专网）传送至电力设备监测及诊断技术的“中国智造者”第10页共29页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地查看系统监测内容，对变压器/电抗器进行运行监测及诊断分析。云平台系统结构图如下图6所示，采用B/S结构（浏览器/服务器模式），提供监测系统的数据深度计算、存储及浏览器查看服务，便于管理。信号分析与处理有载分接开关运行状态分析GZAF-1000T系列变压器(电抗器)振动声学指纹监测系统原理。

系统功能：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。GZAF-1000T系列变压器(电抗器)振动声学指纹监测系统技术方案。杭州振动声学指纹在线监测技术怎么样

GZAF-1000T系列变压器(电抗器)振动声学指纹监测运行状态告警。GZAF-1000T系列振动声学指纹在线监测系统结构

系统功能：3.4.2监测系统的智慧化功能具备边缘计算能力，就地采集并处理振动声学指纹信号及驱动电机电流信号，完成有载分接开关信号包络、ATF等分析，完成绕组及铁芯振动信号频谱分析及参数计算，根据传输层要求统一通讯接口及数据结构，根据平台层及应用层要求上传分析结果；具备实物ID管理功能，提供有载分接开关、绕组及铁芯运行状态信息链接入口，可扫码读取设备在线监测历史数据及趋势。通过扫码或RFID识别设备，读取设备ID信息，通过站内网络（4G/5G/WIFI）传输给云端服务器，向服务器请求该设备的详细信息，以及详细的运行状态，测试信息等。根据各时频信号互相关系数、能量分布曲线特征参量（互相关系数、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/电抗器运行状态及机械故障类型。图15基于振动声学指纹的变压器故障诊断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，GZAF-1000T系列振动声学指纹在线监测系统结构