您好,欢迎访问

商机详情 -

GZAF-1000T系列变压器/电抗器振动声学指纹监测技安装

来源: 发布时间:2024年07月16日

三、技术方案3.1系统原理变压器振动主要包括OLTC切换时的瞬态振动、电流通过绕组时电动力引起的绕组振动、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、以及冷却装置工作时的振动。其中冷却系统引起的基本振动频率小于100Hz,不作为变压器振动监测与诊断分析的内容。变压器内部振动信号通过绝缘油、支撑单元、加强筋结构等多种途径传播,可由安装于外壁的振动传感器测得。OLTC切换过程中,分接选择器动作、切换开关动作、动静触头碰撞等机械动作产生声纹振动信号。信号包含触头分合状态、三相触头是否同期、触头表面是否平整、切换是否到位等信息,可反映分接开关结构磨损、卡滞、松动、变形等故障。切换过程中若储能弹簧性能发生改变或储能过程中存在机构卡塞等现象,必然伴随着电机驱动力矩的变化,使驱动电机电流发生变化。因此驱动电机电流与声纹振动的两类信号融合分析,可更加有效的评价OLTC的运行状况和疑似故障类型。杭州国洲电力科技有限公司变压器/电抗器振动声学指纹监测系统传感器。GZAF-1000T系列变压器/电抗器振动声学指纹监测技安装

GZAF-1000T系列变压器/电抗器振动声学指纹监测技安装,振动

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。4.2智慧化功能4.2.1具备边缘计算能力,就地采集并处理声纹振动信号及驱动电机电流信号,完成OLTC信号包络、ATF图谱等分析,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。高压振动声纹监测参数GZAFV-06T型便携式变压器声纹振动 监测与诊断系统基本功能。

GZAF-1000T系列变压器/电抗器振动声学指纹监测技安装,振动

三、功能特点3.1GIS本体的监测3.1.1技术背景GIS运行时,电流通过高压导体时产生的电动力引起振动,由于导体所受电动力与负载电流的平方成正比,GIS振动信号的基频为100Hz,当存在机械故障时,振动信号频谱分布将发生改变,产生谐波分量。GIS机械型缺陷主要是指内部存在开关触头接触异常、导电杆接触不良、母线卡簧松动、屏蔽罩松动等异常时,在交变电场作用下发生异常振动,长期振动可能导致导电杆和绝缘件松动,引发局部放电,甚至造成绝缘事故。异常振动还可能造成SF6气体泄漏,损坏绝缘子和绝缘支柱,影响外壳接地的牢固,危及设备运行安全。因此开展本体振动监测、实时频谱分析并提取相关特征参量对提高GIS可靠性具有重要意义。

ZAFV-01T子系统采用小型化设计,集成式架构,单元内综合电机电流及AFV的信号监测功能,可监测OLTC的完整动作过程和振动状况;可外接电流传感器(CT卡钳式),获取电机电流信号。装置提供RS485接口,对外通信和传送监测数据。GZAFV-01T子系统包括数据服务器,通信模块、AFV、电流传感器,数据采集模块,供电模块。通过吸附在变压器外壁上的3个AFV传感器获取AFV信号和1个电流传感器获取驱动电机电流信号,经现场的IED通过4G/5G无线传送模块传送至平台层数据服务器进行存储,通过操控及监测数据分析软件进行在线监测及诊断分析。GZAFV-06T型便携式变压器声纹振动 监测与诊断系统功能特点。

GZAF-1000T系列变压器/电抗器振动声学指纹监测技安装,振动

变压器运行时,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,绕组的声纹振动信号的基频为100Hz。由于变压器中磁感应强度正比于加载电压的平方,铁芯的声纹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,声纹振动信号还会包含频率为100Hz整数倍的高次谐波。当变压器的绕组变形或铁芯故障后,声纹振动信号频谱分布将发生改变,产生谐波分量。因此,信号分量可以作为区别绕组故障与铁芯故障的重要依据,采用声纹振动监测法可实现绕组及铁芯在线运行状态下的健康态势评价与故障类型诊断。杭州国洲电力科技有限公司变压器/电抗器振动声学指纹监测技术方案。特高压GIS振动

杭州国洲电力科技有限公司振动监测设备。GZAF-1000T系列变压器/电抗器振动声学指纹监测技安装

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。GZAF-1000T系列变压器/电抗器振动声学指纹监测技安装