OLTC动作时，典型声纹振动和驱动电机电流的信号如下图3.4所示。通过分解时域内典型信号区间，可有效判断OLTC驱动电机启动、分接选择器断开、分接选择器闭合、切换开关动作、驱动电机制动等动作顺序，进而分析OLTC的运行状态。然而，以上通过典型信号分析判断OLTC的运行状态需要丰富的实践经验，为方便监测人员快速完成诊断任务，需通过多种算法更直观、准确地判断OLTC状态。GZAFV-01系统结合基于小波变换及希尔伯特变换的包络分析、基于互相关系数的重合度分析、基于小波多分辨率分解的能量分布曲线分析、基于时频分布矩阵的信号比对等多种核心算法，实现OLTC***、有效、准确的状态诊断和早期隐患监测，降低OLTC运行的故障风险。GZAFV-01型声纹振动监测系统的基本功能。专注于振动声学指纹的概述
AFV信号分析法AFV信号分析法是采用AFV传感器监测AFV信号，获得OLTC的状态数据和工作模式，从而对其状态进行判断的方法。OLTC在切换时，其内部主要机构部件的运动撞击和摩擦都会产生脉冲冲击力，该信号会通过静触头或变压器油传到变压器箱壁上。传到变压器外壳上的振动是内部多种激励现象的响应，包含着大量的设备机械状态数据。OLTC的故障类型与其振动特性的变化存在着紧密关系，通过对AFV信号的监测和诊断，即可判断出OLTC切换时间的变化、触头接触不良、触头磨损、弹簧弹性下降和电弧等故障，从而可以诊断出OLTC处于正常状态或是故障状态。触头在分/合的切换过程中，由于伴随着机械、化学、头材料消耗，造成触头凹凸不平和变形，从而引起触头压力接触电阻和开矩参数的变化，使得OLTC的振动特征也随之改变。名优振动内容杭州国洲电力科技有限公司振动声学指纹在线监测技术的科研支持背景。
AFV信号分析法在触头磨损诊断中的应用。触头磨损是OLTC的常见故障之一，长期分合操作会导致触头表面的材料消耗、凹凸不平，进而影响接触电阻和机械稳定性。AFV信号分析法通过监测振动信号的时域特征（如峰值、上升时间）和频域特征（如高频能量分布），可以量化触头磨损程度。实验表明，当触头磨损严重时，振动信号的脉冲宽度会增大，且高频成分（>5kHz）的幅值***升高。通过建立触头磨损与振动特征的对应关系，可实现触头寿命预测以及更换周期优化。
信号包络分析
为提高在线监测的准确度，GZAFV-01系统的IED/主机通常采用高采样率获取声纹振动及驱动电机电流的信号，然而大量的数据不利于快速、准确存储与分析。因而采用包络分析，简化并反映原始信号特征，便于后续分析与处理。传统希尔伯特变换进行包络分析时存在提取深度不足、存在幅值偏差等问题，因此采用小波变换和希尔伯特变换结合的信号包络分析。声纹振动和电流的信号包络分析
信号包络重合度比对分析
信号包络分析后可快速实现历史信号重合度比对分析，更直观地判断OLTC运行状态。为量化信号重合度比对，GZAFV-01系统引入互相关系数的计算。当实时采集的与正常状态的信号包络互相关系数：◆接近1时，OLTC接近正常运行状态。◆接近0时，OLTC可能存在故障。 杭州国洲电力科技有限公司振动声学指纹在线监测技术系统的模块化设计。
变压器运行时，电流通过绕组时产生的电动力引起绕组振动，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。由于绕组导体所受电动力正比于负载电流的平方，绕组的声纹振动信号的基频为100Hz。由于变压器中磁感应强度正比于加载电压的平方，铁芯的声纹振动信号的基频也为100Hz。另外，考虑到铁芯振动的非线性特性，声纹振动信号还会包含频率为100Hz整数倍的高次谐波。当变压器的绕组变形或铁芯故障后，声纹振动信号频谱分布将发生改变，产生谐波分量。因此，信号分量可以作为区别绕组故障与铁芯故障的重要依据，采用声纹振动监测法可实现绕组及铁芯在线运行状态下的健康态势评价与故障类型诊断。GZAFV-01型便携式变压器声纹振动 监测与诊断系统相关标准。专注于振动声学指纹的概述
杭州国洲电力科技有限公司的企业文化与社会责任。专注于振动声学指纹的概述
运用 AFV 信号分析法判断 OLTC 的状态，需要关注 OLTC 在切换时的每一个细节。OLTC 切换时，内部主要机构部件的运动撞击和摩擦产生的脉冲冲击力，是 AFV 信号的主要来源。这些冲击力通过变压器油传递到变压器箱壁，在箱壁上引起的振动响应是多种激励现象的综合体现。我们通过对 AFV 信号的精确监测和深入分析，能够获取 OLTC 的详细状态信息。比如，当 OLTC 出现触头开矩参数异常时，其振动信号的相位和频率会发生特定变化，利用这些变化特征，我们可以准确诊断出 OLTC 的故障类型，及时进行修复，避免因 OLTC 故障引发电力系统事故。专注于振动声学指纹的概述
