AFV 信号分析法为 OLTC 的状态监测提供了一种精细、高效的途径。OLTC 在运行过程中，触头的分 / 合操作频繁，这对其内部结构的稳定性提出了极高要求。触头的任何异常变化，如接触不良、磨损加剧等，都会在 AFV 信号中留下痕迹。当触头接触不良时，电流通过时会产生不稳定的电弧，这不仅会导致触头进一步损坏，还会使 OLTC 的振动特性发生***改变。AFV 传感器能够敏锐捕捉到这些信号变化，经过数据分析处理，我们可以清晰地判断出 OLTC 的故障状态，为设备的安全运行保驾护航。杭州国洲电力科技有限公司振动声学指纹在线监测技术的行业应用背景。怎样振动常用知识
GZAFV-01系统的IED/主机形态分便携式带电监测（分体机，如上图3.3、一体机）、长期固定在线监测式（标准1U的IED，如上图3.3）等机型。其中，便携式一体机结构轻巧，适用于带电巡检、故障诊断；标准监测单元与壁挂式监测单元适用于长期在线监测与故障诊断。6.12020年10月20日，我公司荣获国网公司设备部的邀请，委派技术智造中心总监王国明博士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《声纹振动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，获与会领导和**们的高度认可。智能振动销售方法杭州国洲电力科技有限公司振动监测相关产品有哪些？
(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)
长园深瑞等)开展合作，不断丰富各型变压器的声纹振动样本数据库。GZAFV-06T型系统包括便携式带电监测与诊断型（分体机的如下图25C、一体机的如下图25D）、固定式在线监测与诊断型（标准1U式的如下图25E、壁挂式监测与诊断单元的如下图25F）等机型。其中，便携式一体机结构轻巧，适用于带电检测，标准单元与壁挂式单元适用于长期在线监测与重症监护。7.1 2020年10月20日，我公司荣获国家电网公司设备部的邀请，参与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26所示。声纹振动监测具体知识介绍。
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结果如下图3.8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。比对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。下图3.7为正常与异常状态的声纹振动信号能量分布曲线比对。
时频能量分布矩阵(ATF图谱)
获取声纹振动信号的时频能量分布矩阵，同时反映原始信号时域、频域特性及能量分布。将信号时频分布矩阵分为6个区间，计算各区间平均值作为特征参量，用于OLTC正常状态与异常状态比对。下图3.9为正常状态下声纹振动信号时频能量矩阵。 杭州国洲电力科技有限公司振动声学指纹在线监测技术的节能效益分析。在线声纹振动售后服务
GZAFV-06T型便携式变压器声纹振动 监测与诊断系统原理。怎样振动常用知识
4.2.2具备实物ID管理功能，提供OLTC、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。4.2.3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，自动判断变压器运行状态及机械故障类型。
4.2.4结合变压器的带电监测、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，在监测到变压器地声纹振动频谱时，GZAFV-01系统的操控及监测数据分析系统可以自动去查询变压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：变压器可能存在绕组变形地异常。 怎样振动常用知识
