电气设备振动监测培训

如下图14(b)所示，基于声纹振动信号的频域分布，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，计算公式如下公式1所示：公式1：总谐波畸变率计算公式公式1中V1为100Hz基频分量有效值，Vi为各谐波分量有效值，i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。GZAFV-06T型便携式变压器声纹振动 监测与诊断系统概述。电气设备振动监测培训

(3)基频信号能量比（E）：100Hz基频分量时域信号能量占信号总能量的比值，计算公式如下公式2所示：公式2：基频信号能量比计算公式公式2中S1为100Hz基频分量的时域信号，Sj为原始信号，j为采样索引值。正常状态下，由于100Hz基频分量为声纹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。(4)相关系数(r)：正常状态与实时测得声纹振动信号频谱图之间的相似度，计算公式如下公式3所示：公式3：相关系数计算公式公式3中Xi和Yi分别为正常状态与实时测得声纹振动信号的频域分布，X和Y为对应信号的平均值，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。进口振动监测等级杭州国洲电力科技有限公司振动监测系统技术服务。

4.6GZMOA-1000L型金属氧化物避雷器监测子系统金属氧化锌避雷器主要用于限制雷电过电压和操作引起的内部过电压，从而保护电力系统和设备。运行中的避雷器由于运行电压、过电压、受潮、污秽（雨雪、凝露、尘土）等原因，会逐渐老化并引起热击穿，导致系统短路故障、接地故障以及人员伤亡。电力设备监测及诊断技术的“中国智造者”9/21因此，监测及诊断避雷器状态对设备检修、提高电网的稳定性和安全性、减少因设备故障造成的经济损失有着重大意义。金属氧化物避雷器监测单元主要功能特性如下：具备避雷器全电流、阻性电流、阻容比值、动作次数进行连续实时或周期性自动监测功能，监测数据的更新速度不低于1次/10min(可调)；监测装置的接入不改变主设备的电气联接方式，不影响主设备的绝缘性能及机械性能，电压信号取样回路具有防止短路的保护功能，接地引下线可靠接地，满足相应的通流能力，不影响现场设备的安全运行；具有异常报警功能，包括监测数据超标、监测功能故障和通信中断等报警功能：报警设置可修改，报警信息实现实时远传，且因监测装置原因引起的不同类型的异常报警能通过不同的报警信号加以区分，装置自诊断信息实现实时远传；

杭州国洲电力科技有限公司9.2技术联络我方负责合同设备的设计和协调工作，承担全部技术责任，并做好与贵方的设计联络工作。积极配合贵方进行GZOLM-1000G系统的建设和有关抽检工作。GZOLM-1000G系统的设计、控制、信号线缆的接线、传感器的安装、设备及软件的调试、将数据上传至贵方指定平台等工作由我方完成，我方协助贵方按技术协议检查安装质量，处理调试投运过程中出现的问题，并提供装置调试报告。安装施工过程中不得影响主设备的正常运行。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概述。

5、2020年10月30日，国网公司设备部领导视察1000kV廊坊特高压变电站已投运的1000kV电抗器运行情况。（通过查看我公司的GZOLM-1000T系列变压器/电抗器综合在线监测系统（局部放电、振动声学指纹、铁心接地电流、油色谱）的多参量数据监测和融合评价技术所展示的电抗器运行参量和状况）6、2019年4月，在国网宁夏±800kV灵州特高压换流站、国网山西±800kV雁门关特高压变电站、国网江苏1000kV盱眙特高压和±800kV淮安特高压换流站，我公司会同变电站属地的电科院和检修公司、主设备厂家的技术工程师运用我公司的GZAF-06T型振动声学指纹监测系统对特高压变压器的有载分接开关开展状态监测与评价的技术服务。7、2020年11月，我公司技术支持中心的杨加浩工程师在广西南宁供电局的变电二所实训基地向广西电科院高压所黎大健主任、广西大学电气工程学院郑含博教授、***电力公司设备部王佳灵高工、南网高级技能**李炎、南宁供电局设备部检修专责罗工等各位领导**做变压器（绕组、有载分接开关）和断路器振动声学指纹监测技术的实操演示。国洲电力振动监测系统。杭州断路器振动监测发展前景

GZAFV-06T型便携式变压器声纹振动 监测与诊断系统技术方案。电气设备振动监测培训

Ø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Ø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，进行数据的多参量融合分析，形成基于多源数据的故障预警机制，多参量融合分析不仅提高了识别故障的准确性，而且还能**降低因单个参量判别故障带来的误报。例如，对于变压器疑似问题地诊断可结合负荷、损耗、绕组机械振动信号、油温、以及历史电流电压情况分析，在监测到变压器/电抗器地振动声学指纹频谱时，系统可以自动去查询变压器/电抗器地历史电流和电压信号，如果发现在某段时期确实有大电流冲击，可给出预警：变压器/电抗器可能存在绕组变形地异常。电气设备振动监测培训