电力系统中的开关类设备主要包括GIS、AIS（敞开式断路器）、GIS/敞开式的隔离开关、开关柜断路器等。各类开关设备的材料、工艺、设计、安装过程中的缺陷以及频繁动作极易引起机械故障，严重时更会导致电气火灾、停电等事故，现有状态检修方式的试验周期长、耗费人力物力、检修效率低等缺点，较大地影响设备正常运行。GIS是当今输电网络中一种应用***的电气设备。通过将变电站中断路器、隔离开关、接地开关、PT、CT、避雷器、连接母线、电缆终端、进出线套管等一次设备经过优化设计并有序地结合为整体，在金属壳内封装起来，内部充SF6气体作为灭弧和绝缘介质组成的封闭组合电器。与传统的敞开式相比较，GIS具有占地面积小、可靠性高、安全性强、运行维护工作量很小等优点，因而被大量使用在重要负荷、枢纽变电站中。但由于其采用全封闭结构，一旦发生故障，影响范围大并且难以准确定位及快速抢修，将会带来严重的经济损失。随着GIS逐步在特高压输电网络推广应用，设备故障所造成的影响将进一步加大。杭州国洲电力科技有限公司的企业发展历程与技术创新成果。如何振动声学指纹在线监测常用知识
6.22020年10月22日，我公司的常务副总经理胡晗先生、技术智造中心总监王国明博士以技术顾问的身份，获邀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《电力设备声纹振动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，荣获与会领导和**们的高度认可。
6.3 2020年8月6日，我公司荣获南方电网生产技术部的邀请作为技术合作商的**，委派研发副总经理沈佳华先生参加南方电网的生产技术部、各分省公司、南网电科院和南网数研院等部门/单位的**们出席的《公司新技术交流会议》，向与会的各位**做了《变压器振动监测技术》的专题汇报。 智能化振动声学指纹在线监测联系方式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实际应用价值。
声纹振动监测技术的应用意义GZAFV-01系统适用于GIS、AIS、隔离开关、开关柜等开关设备的带电监测、在线监测与故障诊断，不影响被测设备正常运行且无电气连接，主要意义如下：5.1采用带电监测/在线监测方式，不影响被测设备正常运行，降低了电网风险。5.2监测方式与被测设备无电气连接，具有安全、可靠、安装方便等优点。5.3采用独特的时域、包络、重合度比对、时频矩阵等分析法，并提峰值频率、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等特征参量，提高在线监测准确度。5.4内置基于海量典型样本的大数据和人工智能研判技术而建立的数据库，可真实反应被试品运行状态，有效诊断故障程度和类型。5.5符合智慧/智能型变电站建设原则，IED具备边缘计算能力，就地采集并处理声纹振动及电流信号，完成分析计算后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监测数据的分析结果。
3.3.1.3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。
3.3.1.4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节能效益分析。
3.2.3平台层的云服务器数据经现场传感器采集并经过IED/主机处理后，通过通信模块（4G/5G无线传输或电力光纤专网）传送至云服务器进行存储及深度计算，平台层的操控计算机（含通过IEC61850通讯管理连接的远端）可通过浏览器登录云服务器随时随地查看监测数据，对变压器进行运行监测及诊断分析。云服务器采用B/S结构（浏览器/服务器模式），提供监测数据的深度计算、存储、浏览器查看等服务。
3.2GZAFV-01系统的系统架构GZAFV-01系统由感知层的声纹振动传感器、电流传感器、IED/主机，网络层的通讯管理里，平台层的数据（云）服务器、内置操控及监测数据分析软件的操控计算机、IEC61850通讯管理机等构成。 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主要特性解析。振动声学指纹在线监测销售公司
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支持背景。如何振动声学指纹在线监测常用知识
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。如何振动声学指纹在线监测常用知识
