综上所述，采用声纹振动法监测变压器OLTC、绕组及铁芯的状态，适用于带电监测/在线监测，与变压器无电气连接而不影响正常运行，有安装方便、安全、可靠等优点。我公司结合多年技术预研储备及现场技术服务经验，成功研制出GZAFV-01型声纹监测系统，既有固定安装的长期在线监测式，也有便携式的带电监测系统及可移动的在线重症监护式。GZAFV-01系统由声纹振动传感器、驱动电机电流传感器、数据采集装置（在线监测式：IED，便携/手持式：主机；下文皆用IED/主机简称）、云服务器、通讯单元及供电单元构成；操控及监测数据分析软件结合包络分析、重合度分析、小波分析、能量分布矩阵、时域信号频谱分析等多种算法，并提取故障诊断特征参量，在线状态下实现变压器OLTC、绕组及铁芯的健康态势评价与故障类型诊断。杭州国洲电力科技有限公司振动声学指纹在线监测的概述。振动声学指纹在线监测监测维修电话
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。振动声学指纹在线监测监测维修电话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影响力。
3.2.1感知层的传感器GZAFV-01系统的感知层如上图3.1所示，由IED/主机、6路声纹振动传感器、1路电流传感器等构成，声纹振动传感器集成电荷放大器，将声纹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。各传感器外观及参数如下表1所示。◆3路声纹振动传感器采集取OLTC振动信号，通过固定底座安装在变压器外壁，安装位置选取平行于OLTC的垂直传动杆方向，且尽量靠近OLTC的触头组处。◆1路电流传感器采集OLTC驱动电机电流信号，安装于OLTC驱动电机电源线处。◆3路声纹振动传感器采集变压器绕组及铁芯声纹振动信号，安装位置选取于上夹件底部、非冷却器侧油箱表面中部、油箱顶部中心点。为保持监测点的同一性，便于后期监测数据的时间轴线比对，所有声纹振动传感器底座长期固定在变压器外壁上。安装示意图如下图3.2所示。（备注：传感器安装的数量及位置可根据被测设备的监测需求而灵活调整）
杭州国洲电力科技有限公司截止到目前已获授权的发明专利2项，实用新型专利23项，软件著作权7项，已过受理及审核而待授权的另计；在国内外核心期刊已发表的论文18篇；参与制定的行业标准2项；并与海内外**的专业院校、设备制造等单位建立了稳固的技术交流和共研机制。我公司始至秉持《始于专注、精于品质、久于信任、终于共赢》的经营理念追求创新，***、深度的应用大数据、云计算、机器学习、人工智能、物联网等新技术，决心塑造为综合智慧能源服务领域“民族创新智造”的先行者、**者和专注者，并在公司发展进程中为社会、合作方、员工和资方创造更大的价值。GZAFV-01型声纹振动监测系统（开关设备）智能评估和故障预警。
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合作案例。杭州振动声学指纹在线监测技术说明
GZAFV-01型声纹振动监测系统（变压器、电抗器)实时监测和分析的结合。振动声学指纹在线监测监测维修电话
从振动和声学数据中提取有用的特征，以便建立设备的声学指纹，通常会用到以下信号处理技术：傅里叶变换（FFT）：用于分析信号在频域中的特性，可以识别出设备运行时的固有频率和谐波成分。短时傅里叶变换（STFT）：与FFT相比，STFT能够展示信号随时间变化的频率特性，适用于非平稳信号的分析。小波变换：具有良好的时频局部化特性，能够在多尺度上分析信号，适合捕捉瞬态事件和局部特征。包络检测：用于提取振动信号的振幅包络，可以用来表示信号的动态特性。频谱分析：通过计算信号的功率谱密度（PSD）或幅值谱，可以识别出信号的频率成分和能量分布。时频分析方法：如Wigner-Ville分布、Choi-Williams分布等，这些方法能够提供信号的时频表示，有助于分析复杂非线性和非平稳信号。模态分析：通过识别设备振动的模态特性，可以提取出与设备结构和损伤相关的特征。熵分析：如时域熵、频域熵或小波熵，这些方法可以量化信号的不确定性和复杂性，有助于识别设备状态的变化。统计分析：包括均值、方差、标准差等统计参数，可以描述信号的波动性和稳定性。高阶统计量：如偏度和峰度，它们可以提供信号分布形状的信息，有助于识别异常模式。振动声学指纹在线监测监测维修电话
