通过扫码或RFID识别变压器/电抗器，读取ID信息，通过站内网络(4G/5G/WIFI)传输给云端服务器，向服务器请求该电力设备的详细信息，以及详细的运行状态、监测信息等；6.3结合电力设备的带电检测、智能巡检以及其他在线监测状态量，进行数据融合分析，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，而且还能大大减小因单个参量判别故障带来的误报；被测设备经过多参量融合分析后评价为异常状态时，本系统会发出告警（可选择告警发送方式）；图6多参量监测与融合评价系统的智慧化功能。特高压振动
变压器运行时，电流通过绕组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。绕组导体所受电动力正比于负载电流平方，绕组声纹振动信号的基频为100Hz。变压器中磁感应强度正比于加载电压的平方，铁芯声纹振动信号的基频也为100Hz。另外，基于铁芯振动的非线性特性，信号中必会包含频率为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而产生谐波分量。因此，声纹振动信号分量可以作为区别绕组变形故障与铁芯故障的重要依据，采用声纹振动信号分析法可实现绕组及铁芯的故障诊断。振动声纹监测是什么GZOLM-1000G 系列特高压GIS 多参量监测与融合评价系统售前技术服务.
3.2.2功能特性敞开式断路器机械特性监测单元主要功能特性如下：Ø具备断路器振动声学指纹、分合闸线圈电流、储能电机电流、行程、分合闸位置监测功能；Ø具备振动信号、电流波形、行程曲线、压力变化记录及展示功能，自动计算峰值电流、电流上升速率、动作时间、动作时长、行程、分合闸位置、分合闸次数等参数；Ø监测单元支持多通道信号同步采集，通道数不小于8个；Ø支持历史数据与实测数据对比分析、不同通道测量数据的横向及纵向对比功能；Ø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1000次以上断路器动作数据；Ø断路器每次动作后，监测单元主动评估断路器运行状态，并自动上传分析结果；
二、遵循标准2.1GB/T4208外壳防护等级（IP代码）；2.2DL/T860变电站通信网络和系统；2.3DL/T1430变电设备在线监测系统技术导则；2.4DL/T1432.1变电设备在线监测装置检验规范第1部分：通用检验规范；2.5DL/T1498.1变电设备在线监测装置技术规范第1部分：通用技术规范；2.6DL/T1686六氟化硫高压断路器状态检修导则；2.7DL/T1687六氟化硫高压断路器状态评价导则；2.8DL/T1700隔离开关及接地开关状态检修导则；2.9Q/GDW383智能变电站技术导则；2.10Q/GDWZ414变电站智能化改造技术规范；2.11Q/GDW561输变电设备状态监测系统技术导则；2.12Q/GDW739输变电设备状态监测主站系统变电设备在线监测I1接口网络通信规范；2.13国家电网公司智能组合电器技术规范(试行)；2.14南方电网公司变电站设备在线监测装置通信通用技术规范；2.15Q/CSG1203021南方电网公司变电站设备在线监测通用技术规范；2.16南方电网公司在线监测综合处理单元技术规范。GZAF-1000T系列变压器/电抗器振动声学指纹监测系统远端后台软件管理。
3.2.1传感器GZAF-1000T系列变压器/电抗器振动声学指纹监测系统传感层由6路压电式加速度传感器及1路电流传感器构成，各传感器外观及参数如下表1所示。压电式加速度传感器集成电荷放大器，将振动信号转换成与之成正比的电压信号；电流传感器采用微型卡扣结构，便于现场安装，节省空间。采用3路压电式加速度传感器获取有载分接开关振动信号，振动传感器通过固定底座安装在变压器/电抗器外壁，安装位置通常选取平行于分接开关垂直传动杆方向，且尽量靠近分接开关触头组处。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。）杭州国洲电力科技有限公司振动监测产品有哪些？特高压振动
GZOLM-1000G 系列特高压GIS 多参量监测与融合评价系统安装调试服务。特高压振动
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。特高压振动
