3.1技术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，由冷却系统引起的基本振动频率小于100Hz，不作为变压器的分析内容。变压器内部的声纹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，可由安装于外壁的声纹振动传感器测得。
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OLTC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信号与声纹振动信号的结合分析，可更加有效的评价OLTC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振动声学指纹在线监测技术的未来发展趋势。变压器声纹振动声学指纹在线监测监测示意图
GIS是当今输电网络中一种应用***的电气设备。通过将变电站中断路器、隔离开关、接地开关、PT、CT、避雷器、连接母线、电缆终端、进出线套管等一次设备经过优化设计并有序地结合为整体，在金属壳内封装起来，内部充SF6气体作为灭弧和绝缘介质组成的封闭组合电器。与传统的敞开式相比较，GIS具有占地面积小、可靠性高、安全性强、运行维护工作量很小等优点，因而被大量使用在重要负荷、枢纽变电站中。但由于其采用全封闭结构，一旦发生故障，影响范围大并且难以准确定位及快速抢修，将会带来严重的经济损失。随着GIS逐步在特高压输电网络推广应用，设备故障所造成的影响将进一步加大。近年来，国家电网公司状态检修工作不断深化，对设备可靠性的要求不断提高，及时、有效发现GIS内部潜伏性缺陷，保证GIS安全稳定运行、合理安排检修周期成为状态检修模式下的当务之急。变压器声纹振动声学指纹在线监测监测示意图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科研合作背景。
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。
3.2.1感知层的传感器GZAFV-01系统的感知层如上图3.1所示，由IED/主机、6路声纹振动传感器、1路电流传感器等构成，声纹振动传感器集成电荷放大器，将声纹振动信号转换成与之成正比的电压信号；电流传感器采用微型卡扣结构，便于现场安装。各传感器外观及参数如下表1所示。◆3路声纹振动传感器采集取OLTC振动信号，通过固定底座安装在变压器外壁，安装位置选取平行于OLTC的垂直传动杆方向，且尽量靠近OLTC的触头组处。◆1路电流传感器采集OLTC驱动电机电流信号，安装于OLTC驱动电机电源线处。◆3路声纹振动传感器采集变压器绕组及铁芯声纹振动信号，安装位置选取于上夹件底部、非冷却器侧油箱表面中部、油箱顶部中心点。为保持监测点的同一性，便于后期监测数据的时间轴线比对，所有声纹振动传感器底座长期固定在变压器外壁上。安装示意图如下图3所示。（备注：传感器安装的数量及位置可根据被测设备的监测需求而灵活调整）GZAFV-01型声纹振动监测系统（变压器、电抗器)包络分析。
杭州国洲电力科技有限公司截止到目前已获授权的发明专利2项，实用新型专利23项，软件著作权7项，已过受理及审核而待授权的另计；在国内外核心期刊已发表的论文18篇；参与制定的行业标准2项；并与海内外**的专业院校、设备制造等单位建立了稳固的技术交流和共研机制。我公司始至秉持《始于专注、精于品质、久于信任、终于共赢》的经营理念追求创新，***、深度的应用大数据、云计算、机器学习、人工智能、物联网等新技术，决心塑造为综合智慧能源服务领域“民族创新智造”的先行者、**者和专注者，并在公司发展进程中为社会、合作方、员工和资方创造更大的价值。杭州国洲电力科技有限公司的团队介绍与技术研发实力。品牌振动声学指纹在线监测监测说明书
杭州国洲电力科技有限公司振动声学指纹在线监测服务的快速响应机制。变压器声纹振动声学指纹在线监测监测示意图
3.3GZAFV-01系统的监测数据信号分析与处理3.3.1OLTC运行状态分析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。变压器声纹振动声学指纹在线监测监测示意图
