断路器振动监测怎么用

杭州国洲电力科技有限公司结合多年研发及现场经验，成功研制GZAF-1000T系列变压器/电抗器声学指纹监测系统，既有固定安装的长期在线监测，也有便携式的带电力设备监测及诊断技术的“中国智造者”第3页共29页电检测系统及可移动的重症监护系统。监测系统由压电式加速度传感器、驱动电机电流传感器、数据采集装置、云服务器（采用B/S结构）、通讯子系统及供电系统构成，结合包络分析、重合度分析、小波分析、能量分布矩阵、频谱分析等多种算法，并提取故障诊断特征参量，在线状态下实现变压器有载分接开关及本体（绕组及铁芯）全振动监测与故障诊断。杭州国洲电力科技有限公司GZAF-1000T系列变压器(电抗器)振动声学指纹监测系统技术概述。断路器振动监测怎么用

三、各类高压开关监测系统的功能特点3.1GIS本体监测3.1.1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。国产振动监测设备批发杭州国洲电力科技有限公司变压器/电抗器振动声学指纹监测系统结构。

二、遵循标准2.1GB/T4208外壳防护等级（IP代码）；2.2DL/T860变电站通信网络和系统；2.3DL/T1430变电设备在线监测系统技术导则；2.4DL/T1432.1变电设备在线监测装置检验规范第1部分：通用检验规范；2.5DL/T1498.1变电设备在线监测装置技术规范第1部分：通用技术规范；2.6DL/T1686六氟化硫高压断路器状态检修导则；2.7DL/T1687六氟化硫高压断路器状态评价导则；2.8DL/T1700隔离开关及接地开关状态检修导则；2.9Q/GDW383智能变电站技术导则；2.10Q/GDWZ414变电站智能化改造技术规范；2.11Q/GDW561输变电设备状态监测系统技术导则；2.12Q/GDW739输变电设备状态监测主站系统变电设备在线监测I1接口网络通信规范；2.13国家电网公司智能组合电器技术规范(试行)；2.14南方电网公司变电站设备在线监测装置通信通用技术规范；2.15Q/CSG1203021南方电网公司变电站设备在线监测通用技术规范；2.16南方电网公司在线监测综合处理单元技术规范。

4.6频谱分析进行振动声学指纹地时域信号频谱分析，提取信号频域特征参量。图214.7运行状态告警设备异常状态报警，可选择告警发送方式。图224.8报表生成功能目标变压器/电抗器诊断结果生成报表功能。图23五、振动声学指纹监测技术的应用意义我公司基于振动声学指纹监测技术研制的GZAF-1000系列监测系统适用于变压器/电抗器（绕组、有载分接开关、铁心等）、开关类（GIS、敞开式断路器、隔离开关、开关柜等）等电力设备的带电检测、在线监测与故障诊断，不影响被测设备正常运行，且与被测设备无电气连接，具有安装方便、安全、可靠等优点，主要意义如下：1、采用带电检测/在线监测方式，不影响主设备正常运行，降低了电网风险；2、减少了人员进站检查的运维成本；3、监测方式与设备无电气连接，具有安全、可靠、安装方便等优点；4、采用独特的时域分析、包络分析、重合度对比、时频矩阵分析等方法，并提峰值频率、总谐波畸变率、频谱互相关系数、频率复杂度、振动平稳性、能量相似度、振动相关性等特征参量等特征参量，提高在线监测准确度。杭州国洲电力振动声学指纹监测系统的技术优势。

杭州国洲电力科技有限公司振动声学指纹监测系统技术规范:6.技术要求:b)监测主机具备多个感知点开展实时的连续性或周期性的自动监测功能；c)具备分析诊断功能，可向监测单元传送标准化数据、分析结果和预警信息，并接收下传的控制命令；d)具有比对分析功能，可将监测数据与标准信号、历史监测信号进行比对分析；e)具有断电不丢失存储数据、复电自启动、自复位的功能，可连续监测、存储及导出1年以上数据；f)具备振动声学指纹信号时域波形展示、包络分析、ATF图谱、频谱分析功能，可自动提取峰值频率、总谐波畸变率、频谱互相关系数、频率复杂度、振动平稳性、能量相似度、振动相关性等特征参量，以作为设备运行状态分析参数，且用户可定义设置报警阈值。杭州国洲电力科技有限公司振动声学指纹监测技术的应用意义。断路器振动监测靠谱吗

杭州国洲电力科技有限公司振动监测系统传感器哪个好？断路器振动监测怎么用

Ø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Ø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。断路器振动监测怎么用