三、技术方案3.1系统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。其中冷却系统引起的基本振动频率小于100Hz，不作为变压器振动监测与诊断分析的内容。变压器内部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，可由安装于外壁的振动传感器测得。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，可反映分接开关结构磨损、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，使驱动电机电流发生变化。因此驱动电机电流与声纹振动的两类信号融合分析，可更加有效的评价OLTC的运行状况和疑似故障类型。杭州国洲电力科技有限公司振动监测系统功能特点。杭州振动推荐货源
七、技术交流与投运业绩GZAFV-06T型便携式变压器声纹振动监测与诊断系统已成功应用于智能变电站、智慧变电站及数字化变电站等示范项目(已经投运的廊坊特高压站、济南商西站、青岛顾家站和世纪站、泰安天平站等)，实现大型电力设备的全振动在线监测与故障诊断，有效的提高电力设备运行的可靠性。同时，我公司积极与各科研院所(南网电科院、广东电科院广西电科院、冀北电科院、山东电科院、江苏电科院、浙江电科院等)、供电公司(冀北、山东、山西、江苏、宁夏等的省检)、变压器制造商(山东电力设备制造厂、江苏华鹏变压器厂、南通的韩国晓星变压器厂、杭州钱江变压器厂等)、OLTC制造商（上海华明、贵州长征、德国MR等）、变电站综合监测系统平台承建商(国网智能、南瑞科技、长园深瑞等)开展合作，不断丰富各型变压器的声纹振动样本数据库。杭州GZAF-1000T系列电抗器振动振动好选择国洲电力变压器振动监测系统使用。
(2)重合度对比如下图10所示，包络分析后可快速实现历史信号重合度对比分析，更直观的判断OLTC运行状态。为量化信号重合度对比，系统引入相关系数的计算。当实时采集信号包络曲线与正常状态包络曲线相关系数接近1时，实时采集的信号接近正常运行状态；当相关系数接近0时，OLTC可能存在故障。图10信号重合度分析(3)能量分布曲线基于小波变换的声纹振动信号多分辨率分析的结果如下图11所示。原始信号经8层分解后产生第8层的近似分量和第1层至第8层的详细分量，计算各层详细分量信号能量，可获得信号能量分布曲线。对比正常状态与异常状态能量分布曲线，可判断OLTC运行状态，并提取互相关系数、最大值、平均值、峰度、偏度作为状态诊断特征参量。图12为正常状态与异常状态声纹振动信号能量分布曲线对比。
电流信号分析法驱动电机电流信号的出现与消失可作为驱动电机运行与停止的标志，因此可选择电流信号持续时间作为OLTC动作的持续时间，此数据也是机械状态诊断的重要特征量，开关动作若出现持续时间过短或过长的现象，则表明切换过程中可能出现某种异常。弹簧储能过程是OLTC切换过程中诸多重要事件之一，当储能弹簧储能过程中存在机械卡涩或弹簧性能改变等现象，必然伴随着电机驱动力矩的变化，使驱动电机的转速发生变化，从而使驱动电机电流发生变化。因此，通过监测驱动电动机电流信号就可以了解OLTC驱动机构的工作情况，以及部件的磨损、卡涩、润滑、同步性等情况，用以判断OLTC储能弹簧性能改变或储能过程中是否存在卡涩等故障。GZAF-06 型振动声学指纹监测子系统。
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与诊断方法有低压脉冲法(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与诊断。铁芯典型故障包括压铁松动、铁芯接地不良、夹件松动或损伤，常用监测与诊断方法包括绝缘电阻测试及接地电流监测与诊断。采用声纹振动法监测与诊断绕组及铁芯状态，适用于带电监测与诊断/在线监测与诊断，不影响电力变压器正常运行，且与设备无电气连接，具有安装方便、安全、可靠等优点。声学指纹振动监测系统是什么？杭州GZPD-04系列振动声纹监测软件功能
GZAFV-06T型便携式变压器声纹振动 监测与诊断系统原理。杭州振动推荐货源
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。杭州振动推荐货源
