振动声纹在线监测使用说明书

3.2.2感知层的IED/主机GZAFV-01系统的IED/主机由采集模块、处理模块、电源模块、USB接口、通信模块等组成。◆采集模块：实现6路声纹振动信号、1路电流信号的采集。◆处理模块：实现信号的放大、滤波和检波及A/D转换等功能，利用硬件对采集的信号进行处理，保证信号的有效性和可靠性，再将处理后的模拟信号经A/D转换成数字信号，便于IED/主机进行数据处理分析。◆电源模块：包括220V/AC电源的输入及降压转换，为IED/主机供电。◆USB接口：用于现场信号获取、调试。◆通信模块：用于向远端平台层的监测数据传输、操控指令接收。杭州国洲电力科技有限公司振动声学指纹在线监测系统的数据存储方案。振动声纹在线监测使用说明书

GZAFV-01系统的功能特点

GIS在带电运行过程中除了机械故障会导致异常振动外，放电性故障（如绝缘子内部缺陷、螺丝松动、悬浮电位放电、毛刺前列放电、金属微粒放电等）也会导致声纹振动信号的产生。因此，通过深入研究GIS本体的声纹振动信号特征可发现GIS机械性故障及放电性故障，具有监测***、监测结果互相补充的特点。基于声纹振动信号的在线监测，可在GIS带电运行状态下及时发现潜在故障，并及时预警，从而延长使用寿命，提高电网运行的可靠性。我公司以声纹振动信号为主，结合电流、位移等其他参量的在线监测，开发了故障诊断算法（***软著权）并提取相关特征参量研制完成的GZAFV-01型声纹振动监测系统，适用于开关设备的带电监测（便携诊断式、手持巡检式）、在线监测（长期固定式、短期移动式）。GZAFV-01系统由声纹振动传感器（压电式加速度计）、位移传感器、电流传感器、IED（在线监测式）/主机（便携/手持式）、云服务器、通讯单元、供电单元等组件构成，架构示意图如下图3.1所示，标准1U的IED/便携式主机。 杭州局放在线监测系统功能GZAFV-01型声纹振动监测系统（变压器、电抗器）相关技术方案。

GZPD-01系统功能特点4.1通过监测带电运行/耐压试验时发电机绝缘内部或者表面的局部放电，将监测数据通过信号采集及通信单元和系统软件进行处理、分析，便于了解发电机绝缘放电状态。4.2高性能的主机采样率高达200MS/s，采样带宽高达100MHz，分辨率达16bit，支持局部放电实时监测，具备边缘计算功能，并实时传输原始数据及本地分析结果。4.3传输方式灵活，具备有线及WIFI、4G/5G无线通讯方式，满足测试需求，大幅降低人力成本，提高监测效率。4.4基于GB/T7354及IEC60270标准的局部放电监测技术，监测灵敏度优于5pC；4.5支持脉冲波形、波形频谱、PRPD图谱、TF-Map、局部放电基本参数(放电幅值、相位、频次等)实时显示。4.6采用滤波电路、数字滤波器、TF-Map筛选、分组筛选等软硬件多重抗干扰技术。

4.1触头温度在线监测子系统4.1.1功能描述开关柜在长期运行过程中，开关的触点和母线连接等部位因老化或接触电阻过大而发热，严重时会导致火灾和大面积停电等事故，实现温度在线监测是保证高压设备安全稳定运行的重要手段。测温单元具备实时测温、通信、对时功能及定期发送、响**唤、主动报送数据等功能，支持休眠时间、告警门限等的配置，并对是否存在缺陷及严重程度做出判断并上传数据，可有效避免因局部过热而导致的开关柜电气火灾、停电等事故。4.1.2配置原则单台开关柜配置6个温度传感器及1个采集操控单元，传感器采用无线无源技术，安装点位接近动静触头咬合处，实时监测触头温度。采集操控单元内置信号调理模块、A/D采样模块、电源模块及通讯模块，采用导轨安装，由柜内电源或由控制柜供电。现场实物安装如下图4.1所示。杭州国洲电力科技有限公司局部放电在线监测技术的精度与可靠性。

3.3.2绕组及铁芯运行状态分析下图3.10a为变压器运行时绕组及铁芯的声纹振动时域信号。为更直观地分析绕组及铁芯运行状态，采用频域法分析声纹振动信号。如下图11(b)所示，基于声纹振动信号的频域分布，提取峰值频率、总谐波畸变率、基频能量比、互相关系数特征参量作为分析参数。各特征参量定义及解释如下：

3.3.2.1峰值频率：频谱图中比较大幅值对应的频率值。3.3.2.2总谐波畸变率(TotalHarmonicDistortion,THD)所有50Hz整数倍谐波分量的有效值与基频100Hz分量有效值的比值，计算公式：THD=i=0nVi2V1，其中V1为100Hz基频分量有效值，Vi为各谐波分量有效值，i为频率索引值。正常状态下，由于100Hz基频分量为振动频谱图的主要成分，总谐波畸变率应较小；存在故障时，谐波分量增加且峰值频率发生偏移，总谐波畸变率变大。 杭州国洲电力科技有限公司在线监测售后服务。在线监测工作环境

杭州国洲电力科技有限公司GZAFV-01型声纹振动监测系统的原理。振动声纹在线监测使用说明书

3.3GZAFV-01系统的监测数据信号分析与处理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3.4所示。通过分解时域内典型信号区间，可有效判断OLTC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OLTC的运行状态。然而，以上通过典型信号分析判断OLTC的运行状态需要丰富的实践经验，为方便监测人员快速完成诊断任务，需通过多种算法更直观、准确地判断OLTC状态。GZAFV-01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比对等多种核心算法，实现OLTC***、有效、准确的状态诊断和早期隐患监测，降低OLTC运行的故障风险。振动声纹在线监测使用说明书