智能化振动声学指纹监测技术

3.4GIS及开关柜的断路器监测3.4.1技术背景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，以确保电力系统安全运行。实现对断路器的在线监测，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，显著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在线监测中非常重要的参数，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状态具有重要意义。多参量监测与融合评价系统的智慧化功能。智能化振动声学指纹监测技术

二、相关标准GB/T4208外壳防护等级（IP代码）；GB/T10230.1分接开关第1部分：性能要求和试验方法；GB/T10230.2分接开关第2部分：应用导则；DL/T265变压器有载分接开关现场试验导则；DL/T574变压器分接开关运行维修导则；DL/T846.8-2017高电压测试设备通用技术条件第8部分：有载分接开关测试仪；DL/T860变电站通信网络和系统；DL/T1430变电设备在线监测系统技术导则；DL/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；DL/T1538电力变压器用真空有载分接开关使用导则；DL/T1540油浸式交流电抗器（变压器）运行振动测量方法；DLT1694.2高压测试仪器及设备校准规范第2部分：电力变压器分接开关测试仪；DL/T1805电力变压器用有载分接开关选用导则；Q/GDW383智能变电站技术导则；GZPD-4D系列振动声纹产品参数杭州国洲电力科技有限公司振动监测标准。

GZAF-1000S系列高压开关振动声学指纹监测系统技术说明：概述：电力系统中的高压开关类设备主要包括GIS（气体绝缘金属封闭开关设备：GASinsulatedSWITCHGEAR）、敞开式断路器、GIS隔离开关、敞开式隔离开关、开关柜断路器等，各类高压开关设备的材料、工艺、设计、安装过程中的缺陷以及频繁动作极易引起机械故障，严重时更会导致电气火灾、停电等事故。现有定期检修方式的试验周期长、耗费人力物力、检修效率低等缺点，较大地影响设备正常运行。开展基于振动声学指纹监测技术的状态评价，可在在线状态下及时发现高压开关类设备的潜在故障，并及时预警，从而延长设备使用寿命，提高电网运行的可靠性。我公司以振动声学指纹监测技术为主，结合电流、行程等其他状态量，开发故障诊断算法并提取相关特征参量，研制完成的GZAF-1000S系列高压开关振动声学指纹监测系统适用于高压开关类设备的带电检测、移动式短期在线监测、固定式长期在线监测与故障诊断。

4.6GZMOA-1000L型金属氧化物避雷器监测子系统金属氧化锌避雷器主要用于限制雷电过电压和操作引起的内部过电压，从而保护电力系统和设备。运行中的避雷器由于运行电压、过电压、受潮、污秽（雨雪、凝露、尘土）等原因，会逐渐老化并引起热击穿，导致系统短路故障、接地故障以及人员伤亡。电力设备监测及诊断技术的“中国智造者”9/21因此，监测及诊断避雷器状态对设备检修、提高电网的稳定性和安全性、减少因设备故障造成的经济损失有着重大意义。金属氧化物避雷器监测单元主要功能特性如下：具备避雷器全电流、阻性电流、阻容比值、动作次数进行连续实时或周期性自动监测功能，监测数据的更新速度不低于1次/10min(可调)；监测装置的接入不改变主设备的电气联接方式，不影响主设备的绝缘性能及机械性能，电压信号取样回路具有防止短路的保护功能，接地引下线可靠接地，满足相应的通流能力，不影响现场设备的安全运行；具有异常报警功能，包括监测数据超标、监测功能故障和通信中断等报警功能：报警设置可修改，报警信息实现实时远传，且因监测装置原因引起的不同类型的异常报警能通过不同的报警信号加以区分，装置自诊断信息实现实时远传；杭州国洲电力科技有限公司振动监测试验。

3.3.2功能特性GIS及敞开式的隔离开关监测单元主要功能特性如下：Ø采用加速度传感器及电流传感器监测隔离开关振动声学指纹及电机电流信号；Ø具有比对分析功能：可将测量数据与标准信号、历史测量信号进行横向及纵向比对分析；Ø具有诊断分析功能：可对隔离开关状态进行诊断，并上传原始数据及分析结果；Ø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、存储及导出功能，可够存储500次以上的操作数据，并具备批量处理数据功能；Ø具备振动声学指纹及电机电流信号波形、包络分析、时频图谱等展示功能；GZAF-1000T系列变压器/电抗器振动声学指纹监测系统时频能量分布矩阵(ATF图谱)。GZPD-4D系列振动声纹产品参数

GZOLM-1000G 系列特高压GIS 多参量监测与融合评价系统售后服务及质量承诺。智能化振动声学指纹监测技术

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。智能化振动声学指纹监测技术