系统原理：变压器/电抗器振动主要包括有载分接开关切换时的瞬态振动、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，由冷却系统引起的基本振动频率小于100Hz，不作为变压器/电抗器声学指纹监测的分析内容。变压器/电抗器内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至变压器外壁，可由安装于外壁的加速度传感器测得。有载分接开关（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振动信号。振动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，从而使驱动电机电流发生变化。因此，可通过监测驱动电机电流在线检测OLTC的运行状况，且电流信号与振动声学指纹信号的结合分析，可更加有效的判断OLTC故障。杭州国洲电力科技有限公司振动声学指纹在线监测主要产品有哪些？研制的振动声学指纹在线监测系统软件界面
各类高压开关监测系统的功能特点:GIS本体监测: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正比于负载电流的平方，GIS本体振动信号的基频为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本体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，危及主设备运行安全。因此开展振动声学指纹检测、实时频谱分析并提取相关特征参量对提高GIS运行的可靠性具有重要意义。杭州开关柜振动声学指纹在线监测推荐GZAF-1000T系列变压器(电抗器)振动声学指纹监测软件界面。
1、2020年10月20日，我公司荣获国网公司设备部的邀请，参与国网设备部组织的关于智慧变电站技术方案审查会，向与会的国网公司设备部、各省公司设备部及各省电科院的领导和**们做了《振动声学指纹监测技术在变电站主设备智慧型综合监测中的作用和实施方案》的汇报，荣获与会的领导和**们的高度认可。如下图25所示：2、2020年10月22日，我公司总经理技术助理王国明博士以技术顾问的身份，参与国网冀北电力有限公司关于智慧物联体系建设专项劳动竞赛成果评审会，会上向国网冀北公司设备运行管理领域的各位领导和**们汇报了《电力设备振动声学指纹监测技术的发展态势和应用前景》，并会中作为厂家**参与技术评审，会后荣获与会的领导和**们的高度认可。
(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。GZAF-1000S系列高压开关振动声学指纹监测系统--敞开式断路器监测技术背景。
系统功能：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。GZAF-1000T系列变压器(电抗器)振动声学指纹监测系统结构。研制的振动声学指纹在线监测系统软件界面
GZAF-1000S系列高压开关振动声学指纹监测系统功能特点。研制的振动声学指纹在线监测系统软件界面
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，研制的振动声学指纹在线监测系统软件界面
