杭州振動聲學指紋在線監測業績

從振動和聲學數據中提取有用的特征，以便建立設備的聲學指紋，通常會用到以下信號處理技術：傅里葉變換（FFT）：用于分析信號在頻域中的特性，可以識別出設備運行時的固有頻率和諧波成分。短時傅里葉變換（STFT）：與FFT相比，STFT能夠展示信號隨時間變化的頻率特性，適用于非平穩信號的分析。小波變換：具有良好的時頻局部化特性，能夠在多尺度上分析信號，適合捕捉瞬態事件和局部特征。包絡檢測：用于提取振動信號的振幅包絡，可以用來表示信號的動態特性。頻譜分析：通過計算信號的功率譜密度（PSD）或幅值譜，可以識別出信號的頻率成分和能量分布。時頻分析方法：如Wigner-Ville分布、Choi-Williams分布等，這些方法能夠提供信號的時頻表示，有助于分析復雜非線性和非平穩信號。模態分析：通過識別設備振動的模態特性，可以提取出與設備結構和損傷相關的特征。熵分析：如時域熵、頻域熵或小波熵，這些方法可以量化信號的不確定性和復雜性，有助于識別設備狀態的變化。統計分析：包括均值、方差、標準差等統計參數，可以描述信號的波動性和穩定性。高階統計量：如偏度和峰度，它們可以提供信號分布形狀的信息，有助于識別異常模式。GZAFV-01型聲紋振動監測系統（開關設備）設計和性能優化。杭州振動聲學指紋在線監測業績

四、GZAFV-01系統的功能特點4.1基本功能4.1.1支持多通道信號同步實時地采集、顯示及分析。4.1.2具有時間觸發和電流觸發功能，可手動選擇信號觸發方式。4.1.3可將任意兩次測量的圖譜進行相似度分析，并自動計算圖譜的重合度。4.1.4具有先進的能量譜分析功能，并能自動識別能量譜比較大的高低頻能量頻率。4.1.5獨有的信號處理功能，生成聲紋振動信號ATF圖譜（系我公司***軟著權的《變壓器有載分解開關及繞組振動測試軟件V1.0》中的**核心算法），更直觀、更便捷分析OLTC及繞組和鐵芯的運行狀態。杭州隔離開關振動聲學指紋在線監測系統組件GZAF-1000T系列變壓器(電抗器)振動聲學指紋監測技術交流與投運業績。

電力系統中的高壓開關類設備主要包括GIS（氣體絕緣金屬封閉開關設備）、AIS（敞開式斷路器）、GIS /敞開式的隔離開關、開關柜斷路器等。各類開關設備的材料、工藝、設計、安裝過程中的缺陷以及頻繁動作極易引起機械故障，嚴重時更會導致電氣火災、停電等事故，現有狀態檢修方式的試驗周期長、耗費人力物力、檢修效率低等缺點，較大地影響設備正常運行。

基于聲紋振動信號的在線監測，可在GIS帶電運行狀態下及時發現潛在故障，并及時預警，從而延長使用壽命，提高電網運行的可靠性。我公司以聲紋振動信號為主，結合電流、位移等其他參量的在線監測，開發了故障診斷算法（***軟著權）并提取相關特征參量研制完成的GZAFV-01型聲紋振動監測系統，適用于開關設備的帶電監測（便攜診斷式、手持巡檢式）、在線監測（長期固定式、短期移動式）。

1.1公司概述杭州國洲電力科技有限公司，成立于2013年5月，是專注于綜合智慧能源服務領域內發、輸、變、配、用、儲等全過程的電力設備參量監測、數據分析和狀態評價技術的研、產、銷、服四位一體的****，致力于為領域內各科研院所、專業院校、設備管理、工程服務、電能生產、設備制造等合作方提供質量的體系化技術方案。我公司于2014年把研發部、生產部和技術服務部融合打造成“技術智造中心”，并在中心組建了專注于局部放電和聲紋振動監測技術的兩大課題組，成功研制出自主知識產權的、先進的局部放電和聲紋振動監測技術。我公司的技術近10年在投運站場、制造廠區的電力設備上大量的持續運用，為電網的可靠運行提供了逐年增長的技術支持，特別是在變壓器（電抗器）、開關設備和輸電設備等電力設備的絕緣、機械的狀態分析與診斷方面，憑借前沿的軟/硬件技術與先進的監測方法，為電力設備的高效運檢提供了質量的體系化技術方案。杭州國洲電力科技有限公司振動聲學指紋在線監測技術的行業應用前景。

GIS及開關柜的斷路器監測技術的功能特性◆具備聲紋振動、分/合閘線圈/儲能電機電流、行程、分/合閘位置等監測功能?！艟邆渎暭y振動、電流波形、行程曲線、壓力變化記錄及展示功能，自動計算峰值電流、電流上升速率、動作時間與時長、行程、分合閘位置與次數等參數?！鬒ED/主機支持多通道信號同步實時采集，通道數不小于8個（可定制）?！艟哂斜葘Ψ治龉δ埽嚎蓪F測與標準/歷史的監測數據進行橫向/縱向比對分析。◆具有斷電不丟失存儲數據，復電自動啟動/復位功能；可連續監測、存儲及導出1000次以上斷路器動作數據?！魯嗦菲髅看蝿幼骱?，IED/主機主動評估斷路器運行狀態，并自動上傳分析結果?！糁悄芊治觯阂劳杏谖夜窘⒌暮Ａ康湫凸收习咐臄祿?，包絡分析后可快速實現歷史信號重合度比對開展智能分析，更直觀、快速地判斷電力設備運行狀態。為量化信號重合度比對，引入互相關系數的計算，當實時采集信號包絡分析曲線與正常狀態包絡分析曲線的互相關系數：接近1時，被測設備是接近正常狀態。接近0時，被測設備是可能存在故障的異常狀態。下圖3.5所示為斷路器典型聲紋振動和儲能電機電流的信號包絡曲線圖。GZAF-1000T系列變壓器(電抗器)振動聲學指紋數據采集裝置。杭州GZAF-1000S系列振動聲學指紋在線監測工作原理

杭州國洲電力科技有限公司振動聲學指紋在線監測技術的客戶反饋分析。.杭州振動聲學指紋在線監測業績

4.2.3根據各時頻信號互相關系數、能量分布曲線特征參量（互相關系數、最大值、平均值、峰度、偏度）、ATF圖譜特征參量（六等分區間均值）、總諧波畸變率、基頻信號能量比等狀態量，采用深度學習算法，自動判斷變壓器運行狀態及機械故障類型。

4.2.4結合變壓器的帶電監測、智能巡檢以及其他在線監測狀態量，進行數據的多參量融合分析，形成基于多源數據的故障預警機制，多參量融合分析不僅提高了識別故障的準確性，而且還能**降低因單個參量判別故障帶來的誤報。例如，對于變壓器疑似問題地診斷可結合負荷、損耗、繞組機械振動信號、油溫、以及歷史電流電壓情況分析，在監測到變壓器地聲紋振動頻譜時，GZAFV-01系統的操控及監測數據分析系統可以自動去查詢變壓器地歷史電流和電壓信號，如果發現在某段時期確實有大電流沖擊，可給出預警：變壓器可能存在繞組變形地異常。 杭州振動聲學指紋在線監測業績