软件界面4.1远端后台软件管理远端后台管理软件通过云服务器账户登录，选择管理对象。图164.2设备信息管理设备信息管理界面包括设备名称、位置、编号等基本信息。图17电力设备监测及诊断技术的“中国智造者”第19页共29页4.3主界面软件主界面包括项目管理、多通道信号同步显示、分析及其他工具及基本分析结果显示，可实现信号包络、重合度对比、能量分布、时频分布(ATF)等分析。图184.4包络分析振动声学指纹及驱动电机电流信号的包络分析可简化信号，直观反映设备运行状态。图19电力设备监测及诊断技术的“中国智造者”第20页共29页4.5历史数据对比实现正常状态信号与实时采集信号对比、历史数据横向纵向对比。图204.6频谱分析进行振动声学指纹地时域信号频谱分析，提取信号频域特征参量。图21电力设备监测及诊断技术的“中国智造者”第21页共29页4.7运行状态告警设备异常状态报警，可选择告警发送方式。图224.8报表生成功能目标变压器/电抗器诊断结果生成报表功能。图23GZAF-1000S系列高压开关振动声学指纹监测系统--GIS本体监测功能特性。杭州振动声学指纹在线监测业绩
1、2020年10月20日，我公司荣获国网公司设备部的邀请，参与国网设备部组织的关于智慧变电站技术方案审查会，向与会的国网公司设备部、各省公司设备部及各省电科院的领导和**们做了《振动声学指纹监测技术在变电站主设备智慧型综合监测中的作用和实施方案》的汇报，荣获与会的领导和**们的高度认可。如下图25所示：2、2020年10月22日，我公司总经理技术助理王国明博士以技术顾问的身份，参与国网冀北电力有限公司关于智慧物联体系建设专项劳动竞赛成果评审会，会上向国网冀北公司设备运行管理领域的各位领导和**们汇报了《电力设备振动声学指纹监测技术的发展态势和应用前景》，并会中作为厂家**参与技术评审，会后荣获与会的领导和**们的高度认可。高压开关振动声学指纹在线监测系统原理GZAF-1000S系列高压开关振动声学指纹监测系统GIS及敞开式的隔离开关监测功能特性。
采用1路电流传感器获取有载分接开关驱动电机电流信号，电流传感器安装于驱动电机电源线处。采用3路振动传感器检测变压器/电抗器绕组及铁芯运行状况，传感器通常选取于上夹件底部、非冷却器侧油箱表面中部及油箱顶部中心点。为保持检测点的同一性，便于后期历史数据对比，建议所有振动传感器底座长期固定在变压器/电抗器外壁上。传感器安装示意图如下图3所示，变压器/电抗器声学指纹监测系统所有传感器单元均与变压器/电抗器本体无电气连接，安装简单方便，适用于在线监测或带电检测。（注：传感器数量及安装位置可根据具体技术规范或方案调整。）
有载分接开关运行状态分析：有载分接开关动作时，典型振动声学指纹和驱动电机电流的信号如下图7所示。通过分解时域内典型信号区间，可有效判断分接开关驱动电机启动、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，进而分析分接开关的运行状态。然而，以上通过典型信号分析判断分接开关的运行状态需要丰富的实践经验，为方便检测人员快速完成诊断任务，需通过多种算法更直观、准确地判断开关状态。变压器/电抗器声学指纹监测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对比等多种**算法，实现有载分接开关***、有效、准确的状态诊断和早期故障监测，降低变压器/电抗器运行的故障风险。GZAF-1000S系列高压开关振动声学指纹监测系统概述。
系统功能：3.4.2监测系统的智慧化功能具备边缘计算能力，就地采集并处理振动声学指纹信号及驱动电机电流信号，完成有载分接开关信号包络、ATF等分析，完成绕组及铁芯振动信号频谱分析及参数计算，根据传输层要求统一通讯接口及数据结构，根据平台层及应用层要求上传分析结果；具备实物ID管理功能，提供有载分接开关、绕组及铁芯运行状态信息链接入口，可扫码读取设备在线监测历史数据及趋势。通过扫码或RFID识别设备，读取设备ID信息，通过站内网络（4G/5G/WIFI）传输给云端服务器，向服务器请求该设备的详细信息，以及详细的运行状态，测试信息等。根据各时频信号互相关系数、能量分布曲线特征参量（互相关系数、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/电抗器运行状态及机械故障类型。图15基于振动声学指纹的变压器故障诊断结合变压器/电抗器的带电检测、智能巡检以及其他在线监测状态量，GZAF-1000T系列变压器(电抗器)振动声学指纹监测设备信息管理。高压开关振动声学指纹在线监测系统原理
GZAF-1000T系列变压器(电抗器)振动声学指纹监测传感器。杭州振动声学指纹在线监测业绩
结合变压器/电抗器的带电检测、智能巡检以及其他在线监测状态量，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识别故障的准确性，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地诊断可结合负荷、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/电抗器地振动声学指纹频谱时，系统可以自动去查询变压器/电抗器地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/电抗器可能存在绕组变形地异常。杭州振动声学指纹在线监测业绩
