3.3.1.3能量分布曲線基于小波變換的聲紋振動信號多分辨率分析結果如下圖3.8所示。原始信號經8層分解后產生第8層的近似分量和第1層至第8層的詳細分量，計算各層詳細分量信號能量，可獲得信號能量分布曲線。比對正常狀態與異常狀態能量分布曲線，可判斷OLTC運行狀態，并提取互相關系數、最大值、平均值、峰度、偏度作為狀態診斷特征參量。下圖3.7為正常與異常狀態的聲紋振動信號能量分布曲線比對。

3.3.1.4時頻能量分布矩陣(ATF圖譜)獲取聲紋振動信號的時頻能量分布矩陣，同時反映原始信號時域、頻域特性及能量分布。將信號時頻分布矩陣分為6個區間，計算各區間平均值作為特征參量，用于OLTC正常狀態與異常狀態比對。下圖3.9為正常狀態下聲紋振動信號時頻能量矩陣。 杭州國洲電力科技有限公司的企業榮譽與資質認證。監測振動聲學指紋在線監測聯系方式

4.1.6通過繞組及鐵芯聲紋振動信號頻譜分析可自動識別峰值頻率偏移及諧波增量，實時分析繞組及鐵芯運行狀態。4.1.7具有自動繪制聲紋振動和電流信號的歷史數據曲線趨勢功能。4.1.8閾值超限告警功能：實時分析信號發展趨勢，實現閾值超限自動告警，支持短信發送告警信息。4.1.9智能分析功能：軟件內置典型故障特征的數據庫，可與監測數據進行比對，通過信號波形、時間長度和幅值等特征值，診斷分析故障類型；也可添加新監測數據，方便后期橫向、縱向比較；可將同一廠家同一型號的正常監測數據導入保存，便于對該廠家、型號的變壓器監測數據曲線進行比對分析。4.1.10具有報表分析功能，自動計算并保存重合度、動作時間、能量分布、電流最大值、電流平均值、繞組及鐵芯振動峰值頻率、總諧波畸變率、基頻能量比、互相關系數等特征參量，并生成分析報表。國產振動聲學指紋在線監測銷售公司杭州國洲電力科技有限公司振動聲學指紋在線監測技術系統的安全性設計。

3.3.1.1信號包絡分析為提高在線監測的準確度，GZAFV-01系統的IED/主機通常采用高采樣率獲取聲紋振動及驅動電機電流的信號，然而大量的數據不利于快速、準確存儲與分析。因而采用包絡分析，簡化并反映原始信號特征，便于后續分析與處理。傳統希爾伯特變換進行包絡分析時存在提取深度不足、存在幅值偏差等問題，因此采用小波變換和希爾伯特變換結合的信號包絡分析。聲紋振動和電流的信號包絡分析如下圖3.5所示。

3.3.1.2信號包絡重合度比對分析如下圖3.6所示，信號包絡分析后可快速實現歷史信號重合度比對分析，更直觀地判斷OLTC運行狀態。為量化信號重合度比對，GZAFV-01系統引入互相關系數的計算。當實時采集的與正常狀態的信號包絡互相關系數：◆接近1時，OLTC接近正常運行狀態。◆接近0時，OLTC可能存在故障。

從振動和聲學數據中提取有用的特征，以便建立設備的聲學指紋，通常會用到以下信號處理技術：傅里葉變換（FFT）：用于分析信號在頻域中的特性，可以識別出設備運行時的固有頻率和諧波成分。短時傅里葉變換（STFT）：與FFT相比，STFT能夠展示信號隨時間變化的頻率特性，適用于非平穩信號的分析。小波變換：具有良好的時頻局部化特性，能夠在多尺度上分析信號，適合捕捉瞬態事件和局部特征。包絡檢測：用于提取振動信號的振幅包絡，可以用來表示信號的動態特性。頻譜分析：通過計算信號的功率譜密度（PSD）或幅值譜，可以識別出信號的頻率成分和能量分布。時頻分析方法：如Wigner-Ville分布、Choi-Williams分布等，這些方法能夠提供信號的時頻表示，有助于分析復雜非線性和非平穩信號。模態分析：通過識別設備振動的模態特性，可以提取出與設備結構和損傷相關的特征。熵分析：如時域熵、頻域熵或小波熵，這些方法可以量化信號的不確定性和復雜性，有助于識別設備狀態的變化。統計分析：包括均值、方差、標準差等統計參數，可以描述信號的波動性和穩定性。高階統計量：如偏度和峰度，它們可以提供信號分布形狀的信息，有助于識別異常模式。杭州國洲電力科技有限公司振動聲學指紋在線監測功能的遠程監控能力。

7.2技術服務7.2.1現場電氣作業我公司按照購買合同約定的時間交貨后，派遣由GZAFV-01系統現場電氣作業管理經驗豐富的工程師帶領多位電氣作業工程師組建的項目部按照甲方指定的時間和地址開展GZAFV-01系統的安裝、調試和投運等現場電氣作業。GZAFV-01系統投運并經甲方驗收合格后，由甲方出具驗收合格報告。詳見獨冊的《杭州國洲電力科技有限公司關于電力設備在線監測系統現場安裝、調試項目的現場作業指導書（范本）》附件。7.2.2二十四小時熱線電話支持服務我公司設有專門的24h服務熱線提供電話支持服務。GZAFV-01系統在運行中出現技術故障，可以通過撥打服務熱線向我公司提供故障情況、服務時間等詳細信息，我公司將在2h內出具解決方案給予響應。杭州國洲電力科技有限公司振動聲學指紋在線監測技術的未來發展趨勢。聲學指紋振動聲學指紋在線監測監測價格

GZAFV-01型聲紋振動監測系統（變壓器、電抗器)實時監測和分析的結合。監測振動聲學指紋在線監測聯系方式

3.3.2.3基頻信號能量比(E)100Hz基頻分量時域信號能量占信號總能量的比值，計算公式：E=jmS1j2jmSj2，其中S1為100Hz基頻分量的時域信號，Sj為原始信號，j為采樣索引值。正常狀態下，由于100Hz基頻分量為聲紋振動頻譜圖的主要成分，基頻信號能量比應較大；存在故障時，諧波分量增加且峰值頻率發生偏移，基頻信號能量比變小。3.3.2.4互相關系數(r)正常狀態與實測的聲紋振動信號頻譜圖之間的相似度，計算公式：r=i=0N-1[Xi-X][Yi-Y]i=0N-1[Xi-X]2i=0N-1[Yi-Y]2，其中Xi和Yi分別為正常狀態與實時測得聲紋振動信號的頻域分布，X和Y為對應信號的平均值，互相關系數范圍為0~1。◆正常運行時，相關系數應接近于1。◆存在故障時，信號頻率分布發生改變，互相關系數減小。監測振動聲學指紋在線監測聯系方式