图20本系统的信号包络分析界面5.5实时采集信号与本系统内置数据库中正常状态信号横向、历史数据纵向对比。图21本系统的数据对比界面5.6声纹振动的时域信号频谱分析，提取信号频域特征参量。图22本系统的声纹振动时域信号频谱分析界面5.7运行状态告警，可选择告警发送方式。图23本系统的被试品异常状态报警设置界面5.8报表生成功能。图24本系统的被试品的监测结果生成报表功能界面六、声纹振动监测与诊断技术的应用意义我公司基于声纹振动监测技术研制的GZAFV-06T型系统适用于变压器/电抗器（绕组、OLTC、铁芯等）、开关类（GIS、敞开式断路器、隔离开关、开关柜等）等电力设备的带电检测、长时在线监测、短期重症监护，不影响被试品正常运行，且与被试品无电气连接，具有安装方便、安全、可靠等优点，国洲电力变压器振动监测系统。变压器振动声纹厂家价格
GZAFV-01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、青岛顾家站和胜利站、泰安天平站等)，实现大型变压器全振动在线监测与故障诊断，有效地提高设备运行可靠性。同时，我公司积极与各科研院所(南网电科院、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)、供电公司(冀北、山东、山西、江苏、宁夏等地的省检)、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（上海华明的遵义长征厂区、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，不断丰富各型号变压器的声纹振动信号样本数据库。杭州服务的振动电话杭州国洲电力科技有限公司振动声学指纹监测频谱分析。
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。
◆可在不同的监测结果之间进行比较区分正常与异常。◆具有时间触发和电流触发功能，可手动选择信号触发方式。◆具有AFV和电流信号历史数据变化趋势曲线功能。◆具有阈值超限告警功能，软件自动分析信号增长趋势，实现自动阈值告警，也可手动设置阈值告警的限值，支持短信阈值告警。◆系统软件内置各种故障的特征数据库，可与监测的数据进行比对，通过波形形状、时间长度和幅值，诊断分析出故障类型；也可将新测得的数据作为诊断卡的一部份，方便后期与同一开关作纵向比对分析。◆具有报表分析功能：可针对不同包络曲线能够进行动作曲线的重合度、抖动度、延迟/制动时间、高/低频振动最大值、电流最大值/平均值等参数计算并生成分析报表。◆可灵活选择图谱各点的幅值数据并显示，便于分析图谱的变化特征。◆具有标准图谱库功能，系统软件可将同一厂家同一型号的正常监测数据导入保存，便于对该厂家、型号的OLTC数据曲线作横向比对分析。◆机械特性监测包括：档位、动作次数、振动状态、电机电流、动作时间等。◆对监测数据进行融合分析与评价，判断OLTC运行状态，阈值告警输出。国洲电力振动监测系统操作。
3.3GIS中及敞开式隔离开关的监测3.3.1技术背景隔离开关是电力系统中的重要组成部分，主要用于隔离电源、承载和切断电流电路，与接地开关共同实现对高压输电线路和电气设备的控制、保护和检修。在合闸位置时，隔离开关可承载线路额定电流及在规定时间内的异常电流；在分闸位置时，隔离开关的触头间有符合要求的绝缘距离和明显的断开标志，确保检修时人员和设备的安全。然而，由于在材料、工艺、设计、安装等方面存在的问题，以及频繁动作时产生的电气老化、机械磨损等缺陷，隔离开关故障率不断升高，严重影响整个电力系统的安全稳定运行。因此，在线监测隔离开关的各项参量经过融合评价而实现故障预警，对提高隔离开关和电网的可靠性具有重要意义。基于机械性能的隔离开关在线监测与诊断技术，通过实时监控隔离开关振动及驱动电机电流信号，通过系统软件的智能化融合分析，实现隔离开关运行状态的***评价，确保隔离开关及电网的安全稳定运行。GZAFV-06T型便携式变压器声纹振动 监测与诊断系统传感器。变压器振动声纹厂家价格
国洲电力变压器振动监测系统使用。变压器振动声纹厂家价格
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。变压器振动声纹厂家价格
