杭州变压器振动声学指纹在线监测系统

变压器运行时，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，绕组的声纹振动信号的基频为100Hz。由于变压器中磁感应强度正比于加载电压的平方，铁芯的声纹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，声纹振动信号还会包含频率为100Hz整数倍的高次谐波。当变压器的绕组变形或铁芯故障后，声纹振动信号频谱分布将发生改变，产生谐波分量。因此，信号分量可以作为区别绕组故障与铁芯故障的重要依据，采用声纹振动监测法可实现绕组及铁芯在线运行状态下的健康态势评价与故障类型诊断。综上所述，采用声纹振动法监测变压器OLTC、绕组及铁芯的状态，适用于带电监测/在线监测，与变压器无电气连接而不影响正常运行，有安装方便、安全、可靠等优点。我公司结合多年技术预研储备及现场技术服务经验，成功研制出GZAFV-01型声纹监测系统，既有固定安装的长期在线监测式，也有便携式的带电监测系统及可移动的重症监护式。GZAFV-01型声纹振动监测系统（开关设备）智能评估和故障预警。杭州变压器振动声学指纹在线监测系统

变压器在生产、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整体故障的36%和4%，对变压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。传统的绕组变形监测方法有低压脉冲法(LVI)、频率响应分析法(FRA)和短路阻抗法(SCI)，以上方法*适用于离线或停电监测。铁芯典型故障包括压铁松动、接地不良、夹件松动或损伤，常用监测方法包括绝缘电阻测试及接地电流监测。电抗器振动声学指纹在线监测分析杭州国洲电力科技有限公司振动声学指纹在线监测技术的标准化实施路径。

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。

3.1技术原理变压器振动主要包括OLTC切换时的瞬态振动、电流通过绕组时电动力引起的绕组振动、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、以及冷却装置工作时的振动。其中，由冷却系统引起的基本振动频率小于100Hz，不作为变压器的分析内容。变压器内部的声纹振动信号通过绝缘油、支撑单元、加强筋结构等多种途径传播至变压器外壁，可由安装于外壁的声纹振动传感器测得。

OLTC切换过程中，分接选择器动作、切换开关动作、动静触头碰撞等机械动作产生声纹振动信号，信号包含触头分合状态、三相触头是否同期、触头表面是否平整、切换是否到位等信息，可反映OLTC结构磨损、卡滞、松动、变形等故障。切换过程中若储能弹簧性能发生改变或储能过程中存在机构卡塞等现象，必然伴随着电机驱动力矩的变化，从而使驱动电机电流发生变化。因此，可通过监测驱动电机电流信号与声纹振动信号的结合分析，可更加有效的评价OLTC在线运行状态下的健康态势评价与故障类型诊断。 杭州国洲电力科技有限公司的企业简介与主要技术优势。

五、GZAFV-01系统的操控及监测数据分析软件5.1远端后台软件管理远端后台管理软件通过云服务器账户登录，选择管理对象。5.2设备信息管理设备信息管理界面包括设备名称、位置、编号等基本信息。5.3软件主界面主界面包括项目管理、多通道信号同步显示、分析及其他工具及基本分析结果显示，可实现信号包络、重合度比对、能量分布、时域信号频谱分布等分析。5.4包络分析声纹振动及驱动电机电流的信号包络分析可简化信号，直观反映设备运行状态。5.5历史数据比对实现实时监测数据与正常状态数据横向比对、与历史状态数据纵向比对。5.6频谱分析进行声纹振动监测数据的时域信号频谱分析，提取信号频域特征参量。5.7运行状态告警被测变压器的异常状态报警，可选择告警发送方式。5.8报表生成功能：被测变压器诊断结果生成报表功能。杭州国洲电力科技有限公司振动声学指纹在线监测功能的高精度与可靠性。杭州开关柜振动声学指纹在线监测业绩

杭州国洲电力科技有限公司振动声学指纹在线监测技术的行业应用前景。杭州变压器振动声学指纹在线监测系统

4.2.3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，自动判断变压器运行状态及机械故障类型。

4.2.4结合变压器的带电监测、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，在监测到变压器地声纹振动频谱时，GZAFV-01系统的操控及监测数据分析系统可以自动去查询变压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：变压器可能存在绕组变形地异常。 杭州变压器振动声学指纹在线监测系统