1.1公司概述杭州國洲電力科技有限公司，成立于2013年5月，是專注于綜合智慧能源服務領域內發、輸、變、配、用、儲等全過程的電力設備參量監測、數據分析和狀態評價技術的研、產、銷、服四位一體的****，致力于為領域內各科研院所、專業院校、設備管理、工程服務、電能生產、設備制造等合作方提供質量的體系化技術方案。我公司于2014年把研發部、生產部和技術服務部融合打造成“技術智造中心”，并在中心組建了專注于局部放電和聲紋振動監測技術的兩大課題組，成功研制出自主知識產權的、先進的局部放電和聲紋振動監測技術。我公司的技術近10年在投運站場、制造廠區的電力設備上大量的持續運用，為電網的可靠運行提供了逐年增長的技術支持，特別是在變壓器（電抗器）、開關設備和輸電設備等電力設備的絕緣、機械的狀態分析與診斷方面，憑借前沿的軟/硬件技術與先進的監測方法，為電力設備的高效運檢提供了質量的體系化技術方案。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市場推廣策略。聲紋振動聲學指紋在線監測歡迎選購

GZAFV-01系統的IED/主機形態分便攜式帶電監測（分體機，如上圖3.3、一體機）、長期固定在線監測式（標準1U的IED，如上圖3.3）等機型。其中，便攜式一體機結構輕巧，適用于帶電巡檢、故障診斷；標準監測單元與壁掛式監測單元適用于長期在線監測與故障診斷。6.12020年10月20日，我公司榮獲國網公司設備部的邀請，委派技術智造中心總監王國明博士參與國網設備部組織的關于智慧變電站技術方案審查會，向與會的國網公司設備部、各省公司設備部及各省電科院的領導和**們做了《聲紋振動監測技術在變電站主設備智慧型綜合監測中的作用和實施方案》的匯報，獲與會領導和**們的高度認可。如下圖6.1所示。檢測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多功能集成。

綜上所述，采用聲紋振動法監測變壓器OLTC、繞組及鐵芯的狀態，適用于帶電監測/在線監測，與變壓器無電氣連接而不影響正常運行，有安裝方便、安全、可靠等優點。我公司結合多年技術預研儲備及現場技術服務經驗，成功研制出GZAFV-01型聲紋監測系統，既有固定安裝的長期在線監測式，也有便攜式的帶電監測系統及可移動的在線重癥監護式。GZAFV-01系統由聲紋振動傳感器、驅動電機電流傳感器、數據采集裝置（在線監測式：IED，便攜/手持式：主機；下文皆用IED/主機簡稱）、云服務器、通訊單元及供電單元構成；操控及監測數據分析軟件結合包絡分析、重合度分析、小波分析、能量分布矩陣、時域信號頻譜分析等多種算法，并提取故障診斷特征參量，在線狀態下實現變壓器OLTC、繞組及鐵芯的健康態勢評價與故障類型診斷。

3.1技術原理變壓器振動主要包括OLTC切換時的瞬態振動、電流通過繞組時電動力引起的繞組振動、硅鋼片的磁致伸縮及硅鋼片接縫處與疊片之間的漏磁導致鐵芯振動、以及冷卻裝置工作時的振動。其中，由冷卻系統引起的基本振動頻率小于100Hz，不作為變壓器的分析內容。變壓器內部的聲紋振動信號通過絕緣油、支撐單元、加強筋結構等多種途徑傳播至變壓器外壁，可由安裝于外壁的聲紋振動傳感器測得。

OLTC切換過程中，分接選擇器動作、切換開關動作、動靜觸頭碰撞等機械動作產生聲紋振動信號，信號包含觸頭分合狀態、三相觸頭是否同期、觸頭表面是否平整、切換是否到位等信息，可反映OLTC結構磨損、卡滯、松動、變形等故障。切換過程中若儲能彈簧性能發生改變或儲能過程中存在機構卡塞等現象，必然伴隨著電機驅動力矩的變化，從而使驅動電機電流發生變化。因此，可通過監測驅動電機電流信號與聲紋振動信號的結合分析，可更加有效的評價OLTC在線運行狀態下的健康態勢評價與故障類型診斷。 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行業合作案例。

GIS在帶電運行過程中除了機械故障會導致異常振動外，放電性故障（如絕緣子內部缺陷、螺絲松動、懸浮電位放電、毛刺前列放電、金屬微粒放電等）也會導致聲紋振動信號的產生。因此，通過深入研究GIS本體的聲紋振動信號特征可發現GIS機械性故障及放電性故障，具有監測***、監測結果互相補充的特點。基于聲紋振動信號的在線監測，可在GIS帶電運行狀態下及時發現潛在故障，并及時預警，從而延長使用壽命，提高電網運行的可靠性。我公司以聲紋振動信號為主，結合電流、位移等其他參量的在線監測，開發了故障診斷算法（***軟著權）并提取相關特征參量研制完成的GZAFV-01型聲紋振動監測系統，適用于開關設備的帶電監測（便攜診斷式、手持巡檢式）、在線監測（長期固定式、短期移動式）。杭州國洲電力科技有限公司的企業愿景與使命。檢測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的企業簡介與主要技術優勢。聲紋振動聲學指紋在線監測歡迎選購

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。 聲紋振動聲學指紋在線監測歡迎選購