智能振动声纹监测种类

OLTC动作时，典型声纹振动和驱动电机电流的信号如下图3.4所示。通过分解时域内典型信号区间，可有效判断OLTC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OLTC的运行状态。然而，以上通过典型信号分析判断OLTC的运行状态需要丰富的实践经验，为方便监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OLTC状态。GZAFV-01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比对等多种核心算法，实现OLTC***、有效、准确的状态诊断和早期隐患监测，降低OLTC运行的故障风险。杭州国洲电力科技有限公司振动监测系统有哪些？智能振动声纹监测种类

(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：r=i=0N-1[Xi-X][Yi-Y]i=0N-1[Xi-X]2i=0N-1[Yi-Y]2其中Xi和Yi分别为正常状态与实时测得振动信号的频域分布，X和Y为对应信号的平均值，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，计算公式如下：FCA=-fpfln⁡(pf)pf=EfEf=100Hz+Ef=200Hz+⋯+Ef=200Hz其中f=100,200,…,2000Hz,Ef为对应频率信号能量，pf为振动频率为f的谐波比重值。(5)振动平稳性(DET):振动平稳性以理解为对振动信号周期性的一种衡量,如果振动平稳性较差，那么作为振动主要激励源的部件出现机械稳定性异常的可能性较大，其定义的公式如下：DET=l=lminNlP(l)l=1NlP(l)高压振动声纹价格GZAF-1000T系列变压器/电抗器振动声学指纹监测系统功能。

数据采集装置安装在密封箱体内，在线型的挂壁式主机使用强力磁铁吸附在变压器的外壁（如下图6B所示），同时磁铁外侧涂抹强力胶水加强粘合。本系统的各类传感器、通信模块和前端主控单元统一采用220V供电方式。数据采集装置防护箱的外部设有5个防水接口，分别是声纹和振动信号传感器接入孔防水接口、电流信号接入防水接口、电源线缆防水接口、USB信号防水接口、采集箱进出线孔，安装防水接头、振动信号、声纹信号、电流信号引入线缆孔安装双防12-PG13.5接头、通信引入线缆采用PG16型防水接头，并内外两边涂胶处理，进入双防接头之前的线缆均套金属保护管，采集箱内部接线端子做密封保护，确保采集箱内部整体密封。

3.3GIS中及敞开式隔离开关的监测3.3.1技术背景隔离开关是电力系统中的重要组成部分，主要用于隔离电源、承载和切断电流电路，与接地开关共同实现对高压输电线路和电气设备的控制、保护和检修。在合闸位置时，隔离开关可承载线路额定电流及在规定时间内的异常电流；在分闸位置时，隔离开关的触头间有符合要求的绝缘距离和明显的断开标志，确保检修时人员和设备的安全。然而，由于在材料、工艺、设计、安装等方面存在的问题，以及频繁动作时产生的电气老化、机械磨损等缺陷，隔离开关故障率不断升高，严重影响整个电力系统的安全稳定运行。因此，在线监测隔离开关的各项参量经过融合评价而实现故障预警，对提高隔离开关和电网的可靠性具有重要意义。基于机械性能的隔离开关在线监测与诊断技术，通过实时监控隔离开关振动及驱动电机电流信号，通过系统软件的智能化融合分析，实现隔离开关运行状态的***评价，确保隔离开关及电网的安全稳定运行。GZAFV-06T型便携式变压器声纹振动 监测与诊断系统技术方案。

3.2系统结构GZAFV-06型便携式声纹振动监测与诊断系统由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，本系统的框架示意图如下图3所示。3.2.1传感器GZAFV-06型便携式声纹振动监测与诊断系统传感层由IEPE式振动(加速度)传感器、声纹(自由场)传感器及驱动电机电流传感器，传感器外观及参数如下表1所示。振动传感器集成电荷放大器，将声纹振动信号转换成与之成正比的电压信号；自由场传感器是一种利用电容量变化而引起声电转换作用的传感器；电流传感器采用微型卡扣结构，便于现场安装，节省空间。传感器安装示意图如下图4所示，变压器声纹振动监测与诊断系统所有传感器单元与变压器本体无电气连接，安装简单方便，适用于在线监测与诊断或带电监测与诊断。杭州国洲电力科技有限公司售后电话。高压开关振动声纹信号如何

杭州国洲电力科技有限公司振动监测报告。智能振动声纹监测种类

(2)重合度对比如下图10所示，包络分析后可快速实现历史信号重合度对比分析，更直观的判断OLTC运行状态。为量化信号重合度对比，系统引入相关系数的计算。当实时采集信号包络曲线与正常状态包络曲线相关系数接近1时，实时采集的信号接近正常运行状态；当相关系数接近0时，OLTC可能存在故障。图10信号重合度分析(3)能量分布曲线基于小波变换的声纹振动信号多分辨率分析的结果如下图11所示。原始信号经8层分解后产生第8层的近似分量和第1层至第8层的详细分量，计算各层详细分量信号能量，可获得信号能量分布曲线。对比正常状态与异常状态能量分布曲线，可判断OLTC运行状态，并提取互相关系数、最大值、平均值、峰度、偏度作为状态诊断特征参量。图12为正常状态与异常状态声纹振动信号能量分布曲线对比。智能振动声纹监测种类