特高压振动声学指纹监测的原理

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振动监测系统监测装置组件。特高压振动声学指纹监测的原理

变压器是电力系统变电站中非常重要的电力设备，它通过有载分接开关（下文皆用OLTC简称）的逐级动作，实现对电网带电运行中的调压。OLTC是调压变压器中***可动的部件。依靠OLTC准确及时的动作，不仅可减少和避免电压大幅度波动，而且可以强制分配负荷流，保障安全可靠运行，增加调度的灵活性。OLTC由选择器、切换开关和电动机构组成，其性能包括电气性能和机械能。电气性能是指触头接触电阻，当触头接触电阻增大时，会引起触头过热，甚至烧损。机械性能是指OLTC切换过程中选择和切换开关的动作顺序和时间配合，及切换过程是否存在卡塞和触头切换不到位等杭州GZAF-1000T系列变压器振动厂家供应声学指纹振动监测系统是什么？

OLTC是在励磁状态下，通过改变绕组分接位置实现电网的有载调压，起到稳定负载电压、调节无功潮流、增加电网灵活度等重要作用。它是调压变压器中***的可动部件、关键部件之一。国际大电网委员会(GIGRE)等国内外统计结果表明（下图1所示），OLTC故障占变压器总体故障的30%以上，各类故障影响变压器及整个电网的安全稳定运行，严重时更会导致大面积停电、电气火灾等事故。OLTC的故障模式有多种，具体包括传动轴断裂、选择开关触头接触不良、操作机构失灵造成的拒动或滑档现象、限位开关失灵、切换开关拒切、中止或动作滞后、内部紧固件松动和脱落、以及内部渗漏等。根据国家电网设备部发布的《设备管理重点工作任务》，2020年度需完成382台换流变OLTC隐患整改，加快消除故障隐患。因此，实施OLTC在线监测与故障诊断不仅对确保变压器及整个电网安全稳定运行具有重要的现实意义，也是今后的发展方向。

GIS在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、毛刺前列放电及金属微粒放电等）也会导致声纹振动信号的产生。因此，通过深入研究GIS外壳声纹振动信号的特点，分析其信号特征，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。开展基于声纹振动的状态监测，可在在线状态下及时发现开关设备的潜在故障，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。我公司以声纹振动的监测为主，结合电流、位移等其他状态量，开发故障诊断算法并提取相关特征参量，研制完成的监测系统适用于开关设备的带电监测、在线监测（长期固定式、短期移动式）及疑似故障诊断。GZAF-06 型振动声学指纹监测子系统。

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。 声学指纹振动监测软件介绍。杭州GZAF-1000S系列高压开关振动系统安装

GZAFV-06T型便携式变压器声纹振动 监测与诊断系统原理。特高压振动声学指纹监测的原理

4.2.3根据各时频信号相关系数、能量分布曲线特征参量（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疑似机械故障类型。图16基于声纹振动法的故障诊断4.2.4结合变压器的带电检测、智能巡检以及其他在线监测的状态量，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疑似故障识别的准确性，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的诊断可结合负荷、损耗、绕组机械振动信号、油温、以及历史电流电压情况分析，在监测到变压器的声纹振动频谱时，系统可以自动去查询变压器的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的异常。特高压振动声学指纹监测的原理