3.2.2感知層的IED/主機GZAFV-01系統的IED/主機由采集模塊、處理模塊、電源模塊、USB接口、通信模塊等組成。◆采集模塊：實現6路聲紋振動信號、1路電流信號的采集。◆處理模塊：實現信號的放大、濾波和檢波及A/D轉換等功能，利用硬件對采集的信號進行處理，保證信號的有效性和可靠性，再將處理后的模擬信號經A/D轉換成數字信號，便于IED/主機進行數據處理分析。◆電源模塊：包括220V/AC電源的輸入及降壓轉換，為IED/主機供電。◆USB接口：用于現場信號獲取、調試。◆通信模塊：用于向遠端平臺層的監測數據傳輸、操控指令接收。杭州國洲電力科技有限公司的團隊介紹與技術研發實力。專注振動聲學指紋在線監測參數

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）。本地振動聲學指紋在線監測銷售公司GZAFV-01型聲紋振動監測系統（變壓器、電抗器)包絡分析。

3.2.1感知層的傳感器GZAFV-01系統的感知層如上圖3.1所示，由IED/主機、6路聲紋振動傳感器、1路電流傳感器等構成，聲紋振動傳感器集成電荷放大器，將聲紋振動信號轉換成與之成正比的電壓信號；電流傳感器采用微型卡扣結構，便于現場安裝。各傳感器外觀及參數如下表1所示。◆3路聲紋振動傳感器采集取OLTC振動信號，通過固定底座安裝在變壓器外壁，安裝位置選取平行于OLTC的垂直傳動桿方向，且盡量靠近OLTC的觸頭組處。◆1路電流傳感器采集OLTC驅動電機電流信號，安裝于OLTC驅動電機電源線處。◆3路聲紋振動傳感器采集變壓器繞組及鐵芯聲紋振動信號，安裝位置選取于上夾件底部、非冷卻器側油箱表面中部、油箱頂部中心點。為保持監測點的同一性，便于后期監測數據的時間軸線比對，所有聲紋振動傳感器底座長期固定在變壓器外壁上。安裝示意圖如下圖3所示。（備注：傳感器安裝的數量及位置可根據被測設備的監測需求而靈活調整）

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振動聲學指紋在線監測技術的客戶反饋分析。.

6.22020年10月22日，我公司的常務副總經理胡晗先生、技術智造中心總監王國明博士以技術顧問的身份，獲邀參與國網冀北電力有限公司關于智慧物聯體系建設專項勞動競賽成果評審會，會上向國網冀北公司設備運行管理領域的各位領導和**們匯報了《電力設備聲紋振動監測技術的發展態勢和應用前景》，并會中作為廠家**參與技術評審，榮獲與會領導和**們的高度認可。

6.3 2020年8月6日，我公司榮獲南方電網生產技術部的邀請作為技術合作商的**，委派研發副總經理沈佳華先生參加南方電網的生產技術部、各分省公司、南網電科院和南網數研院等部門/單位的**們出席的《公司新技術交流會議》，向與會的各位**做了《變壓器振動監測技術》的專題匯報。 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客戶反饋分析。檢測振動聲學指紋在線監測監測品牌排行

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。專注振動聲學指紋在線監測參數

聲紋振動監測技術的應用意義GZAFV-01系統適用于GIS、AIS、隔離開關、開關柜等開關設備的帶電監測、在線監測與故障診斷，不影響被測設備正常運行且無電氣連接，主要意義如下：5.1采用帶電監測/在線監測方式，不影響被測設備正常運行，降低了電網風險。5.2監測方式與被測設備無電氣連接，具有安全、可靠、安裝方便等優點。5.3采用獨特的時域、包絡、重合度比對、時頻矩陣等分析法，并提峰值頻率、總諧波畸變率、頻譜互相關系數、頻率復雜度、振動平穩性、能量相似度、振動相關性等特征參量等特征參量，提高在線監測準確度。5.4內置基于海量典型樣本的大數據和人工智能研判技術而建立的數據庫，可真實反應被試品運行狀態，有效診斷故障程度和類型。5.5符合智慧/智能型變電站建設原則，IED具備邊緣計算能力，就地采集并處理聲紋振動及電流信號，完成分析計算后根據傳輸層要求統一通訊接口及數據結構，根據平臺層及應用層要求上傳監測數據的分析結果。專注振動聲學指紋在線監測參數