在线振动监测背景

其中，l**信号递归图中斜对角线的长度，P(l)**对角线长度为l的对角线的条数，Im**斜对角线的最小长度。DET值是一个介于0和I之间的数，对于正常运行的GIS而言，其机械结构确定性很高，其DET值接近1。(6)能量相似度(EDR):能量相似度分析用于衡量不同负载条件下各个监测点的振动能量相似性,振动能量分布特性的改变能够反映GIS内部机械结构的变化，其定义的公式如下：EDR=1Mi=1Mvi-μ×100%其中，vi为各频率信号归一化能量，μ为能量平均值。能量相似度分析通过对比测量信号的能量与目标能量差异来判断GIS振动是否异常。当某个测点的EDR值突然变大，这意味着该测点附近的机械结构可能出现异常。杭州国洲电力科技有限公司有哪些声学指纹振动监测产品？在线振动监测背景

GZAFV-01系统的功能特点4.1基本功能4.1.1支持多通道信号同步实时地采集、显示及分析。4.1.2具有时间触发和电流触发功能，可手动选择信号触发方式。4.1.3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。4.1.4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。4.1.5独有的信号处理功能，生成声纹振动信号ATF图谱（系我公司***软著权的《变压器有载分解开关及绕组振动测试软件V1.0》中的**核心算法），更直观、更便捷分析OLTC及绕组和铁芯的运行状态。4.1.6通过绕组及铁芯声纹振动信号频谱分析可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。4.1.7具有自动绘制声纹振动和电流信号的历史数据曲线趋势功能。4.1.8阈值超限告警功能：实时分析信号发展趋势，实现阈值超限自动告警，支持短信发送告警信息。变压器振动监测文章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。

◆可在不同的监测结果之间进行比较区分正常与异常。◆具有时间触发和电流触发功能，可手动选择信号触发方式。◆具有AFV和电流信号历史数据变化趋势曲线功能。◆具有阈值超限告警功能，软件自动分析信号增长趋势，实现自动阈值告警，也可手动设置阈值告警的限值，支持短信阈值告警。◆系统软件内置各种故障的特征数据库，可与监测的数据进行比对，通过波形形状、时间长度和幅值，诊断分析出故障类型；也可将新测得的数据作为诊断卡的一部份，方便后期与同一开关作纵向比对分析。◆具有报表分析功能：可针对不同包络曲线能够进行动作曲线的重合度、抖动度、延迟/制动时间、高/低频振动最大值、电流最大值/平均值等参数计算并生成分析报表。◆可灵活选择图谱各点的幅值数据并显示，便于分析图谱的变化特征。◆具有标准图谱库功能，系统软件可将同一厂家同一型号的正常监测数据导入保存，便于对该厂家、型号的OLTC数据曲线作横向比对分析。◆机械特性监测包括：档位、动作次数、振动状态、电机电流、动作时间等。◆对监测数据进行融合分析与评价，判断OLTC运行状态，阈值告警输出。

(2)重合度对比如下图10所示，包络分析后可快速实现历史信号重合度对比分析，更直观的判断OLTC运行状态。为量化信号重合度对比，系统引入相关系数的计算。当实时采集信号包络曲线与正常状态包络曲线相关系数接近1时，实时采集的信号接近正常运行状态；当相关系数接近0时，OLTC可能存在故障。图10信号重合度分析(3)能量分布曲线基于小波变换的声纹振动信号多分辨率分析的结果如下图11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OLTC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12为正常状态与异常状态声纹振动信号能量分布曲线对比。GZAFV-06T型便携式变压器声纹振动 监测与诊断系统基本功能。

二、相关标准1、GB/T4208外壳防护等级（IP代码）；2、GB/T10230.1分接开关第1部分：性能要求和试验方法；3、GB/T10230.2分接开关第2部分：应用导则；4、DL/T265变压器有载分接开关现场试验导则；5、DL/T574变压器分接开关运行维修导则；6、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；7、DL/T860变电站通信网络和系统；8、DL/T1430变电设备在线监测与诊断系统技术导则；9、DL/T1432.1变电设备在线监测与诊断装置检验规范第1部分：通用检验规范；10、DL/T1538电力变压器用真空有载分接开关使用导则；杭州国洲电力科技有限公司振动监测系统功能特点。智能振动指纹原理图

GZAFV-06T型便携式变压器声纹振动 监测与诊断系统相关标准。在线振动监测背景

3.3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8所示。通过分解时域内典型信号区间，可有效判断分接开关驱动电机启动、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，进而分析分接开关的运行状态。然而，以上通过典型信号分析判断分接开关的运行状态需要丰富的实践经验，为方便技术人员快速完成诊断任务，需通过多种算法更直观、准确的判断开关状态。变压器声纹振动监测与诊断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对比等多种核芯算法，实现OLTC***、有效、准确的状态诊断和早期故障监测与诊断，降低变压器运行的故障风险。在线振动监测背景