敞开式断路器监测:技术背景:敞开式断路器在电力系统中起到保护和控制作用，它根据供电系统运行的需要来可靠地投入或切除相应的线路或电气设备，以确保系统安全运行。实现对断路器机械特性的在线监测，准确得知断路器的工作状态和故障部位，可以有效减小维护工作量，增强检修的针对性，***提高供电系统可靠性和经济性。振动声学指纹信号、线圈分合闸电流、储能电机电流、行程及分合闸位置是断路器非常重要的参数，是衡量断路器性能优劣的重要指标。因此，通过在线监测系统准确提取振动声学指纹、分闸电流、合闸电流、储能电机电流、行程及分合闸位置特征值，对判断断路器的健康程度和工作状态诊断具有重要意义。GZAF-1000S系列高压开关振动声学指纹监测系统--GIS本体监测技术背景。杭州GZAF-1000T系列振动声学指纹在线监测工作环境
GIS及敞开式的隔离开关监测:技术背景:隔离开关是电力系统中的重要组成部分，主要用于隔离电源、承载和切断电流电路，与接地开关共同实现对高压输电线路和电气设备的控制、保护和检修。在合闸位置时，隔离开关可承载线路额定电流及在规定时间内的异常电流；在分闸位置时，隔离开关的触头间有符合要求的绝缘距离和明显的断开标志，确保检修时人员和设备的安全。然而由于在材料、工艺、设计、安装等方面存在的问题，以及频繁动作时产生的电气老化、机械磨损等缺陷，GIS及敞开式的隔离开关的故障率不断升高，严重影响隔离开关和整个电力系统的安全稳定运行。因此，在线监测隔离开关以实现故障前预警，对提高设备和电网的可靠性具有重要意义。基于实时监控隔离开关振动声学指纹及驱动电机电流信号，结合智能分析软件，实现隔离开关运行状态的***评价，可有效确保隔离开关及电网的安全稳定运行。杭州开关柜振动声学指纹在线监测数据采集装置GZAF-1000T系列变压器(电抗器)振动声学指纹监测传感器。
独有的信号处理功能，生成振动声学指纹信号ATF图（**算法，**所有），更直观、更便捷分析有载分接开关及绕组和铁芯的运行状态；具有绕组及铁芯振动声学指纹信号频谱分析功能，自动识别峰值频率偏移及谐波增量，实时分析绕组及铁芯运行状态；振动声学指纹信号和电流信号历史数据曲线趋势功能；信号阈值告警功能，软件自动分析信号增长趋势，实现自动告警，也可手动设置告警阈值，支持短信告警；智能分析功能：系统软件内置海量故障特征的数据库，可与测得的数据进行比对，通过信号波形、时间长度和幅值等特征值，诊断分析故障类型；也可添加新测得的数据，方便后期横向、纵向比较；软件可将同一厂家同一型号的正常检测数据进行导入保存，便于对该厂家、型号的变压器数据曲线进行比对分析；
变压器/电抗器运行时，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，绕组振动信号的基频为100Hz。由于变压器/电抗器中磁感应强度正比于加载电压的平方，铁芯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，振动信号还会包含频率为100Hz整数倍的高次谐波。当变压器/电抗器的绕组变形或铁芯故障后，振动信号频谱分布将发生改变，产生谐波分量。因此，振动信号分量可以作为区别绕组变形故障与铁芯故障的重要依据，采用振动分析法可实现绕组及铁芯的故障诊断。杭州国洲电力科技有限公司振动声学指纹在线监测技术背景。
系统功能3.4.1基本功能支持多通道信号同步实时地采集、显示及分析；具有时间触发和电流触发功能，可手动选择信号触发方式；可将任意两次测量的图谱进行相似度分析，并自动计算图谱的重合度；具有先进的能量谱分析功能，并能自动识别能量谱比较大的高低频能量频率；独有的信号处理功能，生成振动声学指纹信号ATF图（**算法，**所有），更直观、更便捷分析有载分接开关及绕组和铁芯的运行状态；具有绕组及铁芯振动声学指纹信号频谱分析功能，自动识别峰值频率偏移及谐波增量，实时分析绕组及铁芯运行状态；振动声学指纹信号和电流信号历史数据曲线趋势功能；信号阈值告警功能，软件自动分析信号增长趋势，实现自动告警，也可手动设置告警阈值，支持短信告警；杭州国洲电力科技有限公司简介。杭州GZAF-1000T系列振动声学指纹在线监测工作环境
杭州国洲电力科技有限公司振动声学指纹在线监测技术方案。杭州GZAF-1000T系列振动声学指纹在线监测工作环境
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，杭州GZAF-1000T系列振动声学指纹在线监测工作环境
