1.1公司概述杭州国洲电力科技有限公司，成立于2013年5月，是专注于综合智慧能源服务领域内发、输、变、配、用、储等全过程的电力设备参量监测、数据分析和状态评价技术的研、产、销、服四位一体的****，致力于为领域内各科研院所、专业院校、设备管理、工程服务、电能生产、设备制造等合作方提供质量的体系化技术方案。我公司于2014年把研发部、生产部和技术服务部融合打造成“技术智造中心”，并在中心组建了专注于局部放电和声纹振动监测技术的两大课题组，成功研制出自主知识产权的、先进的局部放电和声纹振动监测技术。我公司的技术近10年在投运站场、制造厂区的电力设备上大量的持续运用，为电网的可靠运行提供了逐年增长的技术支持，特别是在变压器（电抗器）、开关设备和输电设备等电力设备的绝缘、机械的状态分析与诊断方面，凭借前沿的软/硬件技术与先进的监测方法，为电力设备的高效运检提供了质量的体系化技术方案。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用户界面优化。GIS振动声学指纹在线监测指纹监测参数
功能特性◆IED/主机具备多个点位开展实时连续性或周期性的监测GIS本体声纹振动信号，向平台层操控计算机传送监测数据开展智能分析，操控及监测数据分析软件实时展示分析结果和预警信息。◆具有比对分析功能：可将现测的与同规格被试品/历史的监测数据进行横向/纵向比对分析。◆具有断电不丢失存储数据、复电自动启动/复位功能，可连续实时监测、存储及导出1年以上数据。◆具备声纹振动信号时域波形展示、频谱分析(基频为100Hz)功能，可自动提取峰值频率、总谐波畸变率、频谱互相关系数、频率复杂度、振动平稳性、能量相似度、振动相关性等特征参量，以作为GIS运行状态分析参数，用户可设置报警阈值。◆智能分析：依托于我公司建立的海量典型故障案例的数据库，包络分析后可快速实现历史信号重合度比对开展智能分析，更直观、快速地判断电力设备运行状态。为量化信号重合度比对，GZAFV-01系统引入互相关系数的计算，当实时采集信号包络曲线与正常状态包络曲线的互相关系数：变压器声纹振动声学指纹在线监测技术指导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客户反馈分析。.
3.2.2感知层的IED/主机GZAFV-01系统的IED/主机由采集模块、处理模块、电源模块、USB接口、通信模块等组成。◆采集模块：实现6路声纹振动信号、1路电流信号的采集。◆处理模块：实现信号的放大、滤波和检波及A/D转换等功能，利用硬件对采集的信号进行处理，保证信号的有效性和可靠性，再将处理后的模拟信号经A/D转换成数字信号，便于IED/主机进行数据处理分析。◆电源模块：包括220V/AC电源的输入及降压转换，为IED/主机供电。◆USB接口：用于现场信号获取、调试。◆通信模块：用于向远端平台层的监测数据传输、操控指令接收。
GIS及敞开式的隔离开关监测功能特性◆采用加速度传感器及电流传感器监测隔离开关声纹振动及电机电流信号。◆具有比对分析功能：可将现测与标准/历史的监测数据进行横向/纵向比对分析。◆具有诊断分析功能：可对隔离开关状态进行诊断，并上传原始数据及分析结果。◆具有断电不丢失存储数据、复电自启动、自复位的功能，可连续监测、存储及导出功能，可够存储1000次以上的操作数据，并具备批量处理数据功能。◆具备声纹振动及电机电流信号波形、包络分析、时频图谱等展示功能。◆自动提取动/静触头的分/合闸动作时间、电机峰值电流、电机电流的燃弧时间及抖动高幅值关键特征、声纹振动脉动关键特征等参量。◆智能分析：依托于我公司建立的海量典型故障案例的数据库，包络分析后可快速实现历史信号重合度比对开展智能分析，更直观、快速地判断电力设备运行状态。为量化信号重合度比对，GZAFV-01系统引入互相关系数的计算，当实时采集信号包络曲线与正常状态包络曲线的互相关系数：接近1时，被测设备是接近正常状态。接近0时，被测设备是可能存在故障的异常状态。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合作背景。
技术背景GIS运行时，电流通过高压导体时产生的电动力引起振动，由于导体所受电动力正比于负载电流的平方，GIS本体振动产生的声纹振动信号的基频为100Hz。当存在机械故障时，声纹振动信号的频谱分布将发生改变，产生谐波分量。GIS本体机械型缺陷主要是指内部存在开关触头接触异常、导电杆接触不良、母线卡簧松动、屏蔽罩松动等异常时，在交变电场作用下发生异常振动，长期振动可能导致导电杆和绝缘件松动，易造成绝缘事故。异常振动还可能造成SF6气体泄漏，损坏绝缘子和绝缘支柱，影响外壳接地牢固，危及GIS运行安全。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环保效益分析。检测振动声学指纹在线监测参考价格
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市场需求分析。GIS振动声学指纹在线监测指纹监测参数
3.3GZAFV-01系统的监测数据信号分析与处理3.3.1OLTC运行状态分析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。GIS振动声学指纹在线监测指纹监测参数
