3.2.3平台层的云服务器数据经现场传感器采集并经过IED/主机处理后，通过通信模块（4G/5G无线传输或电力光纤专网）传送至云服务器进行存储及深度计算，平台层的操控计算机（含通过IEC61850通讯管理连接的远端）可通过浏览器登录云服务器随时随地查看监测数据，对变压器进行运行监测及诊断分析。云服务器采用B/S结构（浏览器/服务器模式），提供监测数据的深度计算、存储、浏览器查看等服务。
3.2GZAFV-01系统的系统架构GZAFV-01系统由感知层的声纹振动传感器、电流传感器、IED/主机，网络层的通讯管理里，平台层的数据（云）服务器、内置操控及监测数据分析软件的操控计算机、IEC61850通讯管理机等构成。 杭州国洲电力科技有限公司的企业愿景与使命。杭州研制的振动声学指纹在线监测系统功能
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，由冷却系统引起的基本振动频率小于100Hz，不作为变压器的分析内容。变压器内部的声纹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至变压器外壁，可由安装于外壁的声纹振动传感器测得。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OLTC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，从而使驱动电机电流发生变化。因此，可通过监测驱动电机电流信号与声纹振动信号的结合分析，可更加有效的评价OLTC在线运行状态下的健康态势评价与故障类型诊断。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高压开关振动声学指纹在线监测相关标准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行业应用背景。
确保采集到的振动和声学数据具有足够的准确性和分辨率，以便于识别设备的正常运行状态与异常情况，可以采取以下措施：
选择合适的传感器：根据被监测设备的特性和监测要求选择适当类型和规格的振动和声学传感器。传感器应具有高灵敏度和适当的频率响应范围。校准传感器：定期对传感器进行校准，以确保其输出与实际测量值之间的准确对应关系。优化采样频率：根据设备的动态特性和可能发生的故障类型，设置合适的采样频率，以捕捉到振动和声学信号的关键特征。减少噪声干扰：采取措施减少环境噪声和电磁干扰，如使用屏蔽电缆、设置隔振平台、选择低噪声环境进行测量等。数据预处理：采用滤波、去噪等数据预处理技术，提高信号质量，减少噪声的影响。多传感器融合：使用多个传感器并结合不同的测量位置，可以提高数据的冗余性和鲁棒性，从而增强信号的准确性。动态范围调整：根据设备的运行状态调整测量系统的动态范围，确保在设备运行在不同负载条件下都能获得清晰的信号。数据后处理和特征提取：应用高级信号处理技术，如时频分析、小波变换等，提取出反映设备状态的关键特征。
敞开式断路器监测技术背景实现对断路器机械特性的在线监测，准确得知断路器的工作状态和故障部位，可以有效减小维护工作量，增强状态检修的针对性，显著提高电力系统可靠性和经济性。声纹振动信号、分/合闸线圈及储能电机的电流、动/静触头的行程及分/合闸位置等特征值是断路器非常重要的参数，是衡量断路器性能的重要指标，因此，实施在线监测声纹振动信号、分/闸线圈及储能电机电流、动/静触头行程及分/合闸位置等具有重要意义。杭州国洲电力科技有限公司振动声学指纹在线监测功能的高精度与可靠性。
3.3.2绕组及铁芯运行状态分析下图3.10a为变压器运行时绕组及铁芯的声纹振动时域信号。为更直观地分析绕组及铁芯运行状态，采用频域法分析声纹振动信号。如下图3.10b所示，基于声纹振动信号的频域分布，提取峰值频率、总谐波畸变率、基频能量比、互相关系数特征参量作为分析参数。各特征参量定义及解释如下：
3.3.2.1峰值频率：频谱图中比较大幅值对应的频率值。3.3.2.2总谐波畸变率(TotalHarmonicDistortion,THD)所有50Hz整数倍谐波分量的有效值与基频100Hz分量有效值的比值，计算公式：THD=i=0nVi2V1，其中V1为100Hz基频分量有效值，Vi为各谐波分量有效值，i为频率索引值。正常状态下，由于100Hz基频分量为振动频谱图的主要成分，总谐波畸变率应较小；存在故障时，谐波分量增加且峰值频率发生偏移，总谐波畸变率变大 GZAFV-01型声纹振动监测系统（开关设备）智能评估和故障预警。杭州高压开关振动声学指纹在线监测技术产品功能
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。杭州研制的振动声学指纹在线监测系统功能
3.3.1.1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如下图3.5所示。
3.3.1.2信号包络重合度比对分析如下图3.6所示，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。 杭州研制的振动声学指纹在线监测系统功能
