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。 GZAFV-01型声纹振动监测系统（变压器、电抗器)的评价和维护建议。振动监测故障
GZAFV-01T子系统的原理◆监测原理OLTC在切换的过程中伴随着机械振动，在线监测技术主要利用AFV和驱动电机电流的信号分析法综合对OLTC状态进行诊断。根据AFV信号波谱的异常分析其状态，结合驱动电机电流分析技术，监测能够覆盖档位联接、时间序列、控制继电器、驱动电机、制动器、润滑、线性、电弧、过热和焦炭、电气节点磨损、过渡阻抗等11个项目。较传统停电检修方式，在线监测法针对的故障类型更加***，而且在带电运行时也能够迅速有效反映OLTC运行状态。特高压振动监测技术参数GZAFV-01型声纹振动监测系统（变压器、电抗器)的高灵敏度检测和早期隐患捕捉。
在 OLTC 的状态监测中，AFV 信号分析法具有重要的应用价值。OLTC 内部触头在频繁的分 / 合操作中，由于机械磨损和电气腐蚀，容易出现各种问题，如触头凹凸不平、变形等。这些问题会导致触头压力接触电阻和开矩参数发生变化，进而使 OLTC 的振动特征发生改变。AFV 传感器通过监测这些振动特征的变化，能够及时发现 OLTC 的潜在故障。例如，当触头接触电阻增大时，振动信号的幅值会在特定频率段出现明显变化。通过对这些变化的分析，我们可以准确判断 OLTC 的故障类型，为设备的维护和检修提供有力支持。
能量分布曲线
基于小波变换的声纹振动信号多分辨率分析结果如下图3.8所示。原始信号经8层分解后产生第8层的近似分量和第1层至第8层的详细分量，计算各层详细分量信号能量，可获得信号能量分布曲线。比对正常状态与异常状态能量分布曲线，可判断OLTC运行状态，并提取互相关系数、最大值、平均值、峰度、偏度作为状态诊断特征参量。下图3.7为正常与异常状态的声纹振动信号能量分布曲线比对。
时频能量分布矩阵(ATF图谱)
获取声纹振动信号的时频能量分布矩阵，同时反映原始信号时域、频域特性及能量分布。将信号时频分布矩阵分为6个区间，计算各区间平均值作为特征参量，用于OLTC正常状态与异常状态比对。下图3.9为正常状态下声纹振动信号时频能量矩阵。 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前景。
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。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多功能集成。振动监测器使用
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可扩展性。振动监测故障
AFV 信号分析法在 OLTC 状态监测中的应用，基于对其内部故障与振动特性关系的深入研究。OLTC 内部触头在长期使用过程中，由于机械磨损和电气腐蚀，会出现接触电阻增大、触头压力不均匀等问题。这些问题会导致 OLTC 在切换时产生的脉冲冲击力发生变化，进而影响其振动特征。例如，当触头接触电阻增大时，切换瞬间产生的电弧能量增加，引起的振动信号幅值也会相应增大。通过 AFV 传感器对这些振动信号的监测和分析，我们可以准确判断 OLTC 是否存在触头相关故障，为设备的可靠运行提供有力保障。振动监测故障
