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说明。断路器振动声学指纹在线监测功能特点
重合度对比如图9所示，包络分析后可快速实现历史信号重合度对比分析，更直观地判断有载分接开关运行状态。为量化信号重合度对比，系统引入互相关系数的计算。当实时采集信号包络曲线与正常状态包络曲线互相关系数接近1时，实时采集的信号接近正常运行状态；当互相关系数接近0时，有载分接开关可能存在故障。能量分布曲线基于小波变换的振动信号多分辨率分析结果如下图10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。对比正常状态与异常状态能量分布曲线，可判断有载分接开关运行状态，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。图11为正常状态与异常状态振动信号能量分布曲线对比。断路器振动声学指纹在线监测功能特点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？
OLTC的故障模式有多种，具体包括传动轴断裂、选择开关触头接触不良、操作机构失灵造成的拒动或滑档现象、限位开关失灵、切换开关拒切、中止或动作滞后、内部紧固件松动和脱落、以及内部渗漏等。根据国家电网设备部发布的《设备管理重点工作任务》，2020年度需完成382台换流变分接开关隐患整改，加快消除故障隐患。因此，实施有载分接开关在线监测与故障诊断不仅对确保变压器及整个电网安全稳定运行具有重要的现实意义，也是今后的发展方向。变压器/电抗器在生产、运输、安装过程中或在短路电流作用下，均会使绕组及铁芯压紧程度降低，绕组及铁芯故障分别约占变压器/电抗器整体故障的36%和4%，对变压器/电抗器抗短路电流冲击能力及安全稳定运行产生巨大威胁。绕组故障主要包括绝缘老化、受潮、匝间或绕组间短路、断路及机械损伤等，以上故障类型均可能导致绕组变形。
数据采集装置GZAF-1000T系列变压器/电抗器振动声学指纹监测系统的数据采集装置由采集模块、信号处理模块、电源模块、USB接口、4G/5G信号传输模块等组成。采集模块实现6路机械振动信号及1路驱动电机电流信号采集，信号处理模块实现信号放大、信号滤波、信号检波及A/D转换等功能。利用系统电路设计对采集的振动信号和电流信号进行处理，保证信号的有效性和可靠性，将处理后的模拟信号经A/D转换成数字信号，便于主机系统进行数据处理分析。电源模块包括电源输入（220V）及降压转换，为数据采集装置供电。USB接口用于现场信号获取、调试；4G/5G模块用于信号采集处理后的远端后台的信号传输。数据采集装置示意图及参数分别如下图4和下表2所示。GZAF-1000T系列变压器(电抗器)振动声学指纹监测设备信息管理。
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专家们做了《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，荣获与会的领导和专家们的高度认可。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专家们汇报了《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专家们的高度认可。GZAF-1000S系列高压开关振动声学指纹监测系统--GIS及开关柜的断路器监测技术背景。断路器振动声学指纹在线监测故障诊断
GZAF-1000S系列高压开关振动声学指纹监测系统--GIS本体监测功能特性。断路器振动声学指纹在线监测功能特点
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，断路器振动声学指纹在线监测功能特点
