杭州高壓開關振動聲學指紋在線監測系統軟件界面

4.2智慧化功能4.2.1具備邊緣計算能力，就地采集并處理聲紋振動信號及驅動電機電流信號，完成OLTC信號包絡、ATF圖譜等分析，完成繞組及鐵芯振動信號頻譜分析及參數計算，根據傳輸層要求統一通訊接口及數據結構，根據平臺層及應用層要求上傳分析結果。4.2.2具備實物ID管理功能，提供OLTC、繞組及鐵芯運行狀態信息鏈接入口，可掃碼讀取設備在線監測歷史數據及趨勢。通過掃碼或RFID識別設備，讀取設備ID信息，通過站內網絡（4G/5G/WIFI）傳輸給云端服務器，向服務器請求該設備的詳細信息，以及詳細的運行狀態，測試信息等。杭州國洲電力科技有限公司振動聲學指紋在線監測的概述。杭州高壓開關振動聲學指紋在線監測系統軟件界面

3.3.1.1信號包絡分析為提高在線監測的準確度，GZAFV-01系統的IED/主機通常采用高采樣率獲取聲紋振動及驅動電機電流的信號，然而大量的數據不利于快速、準確存儲與分析。因而采用包絡分析，簡化并反映原始信號特征，便于后續分析與處理。傳統希爾伯特變換進行包絡分析時存在提取深度不足、存在幅值偏差等問題，因此采用小波變換和希爾伯特變換結合的信號包絡分析。聲紋振動和電流的信號包絡分析如下圖3.5所示。

3.3.1.2信號包絡重合度比對分析如下圖3.6所示，信號包絡分析后可快速實現歷史信號重合度比對分析，更直觀地判斷OLTC運行狀態。為量化信號重合度比對，GZAFV-01系統引入互相關系數的計算。當實時采集的與正常狀態的信號包絡互相關系數：◆接近1時，OLTC接近正常運行狀態。◆接近0時，OLTC可能存在故障。 杭州開關柜振動聲學指紋在線監測系統原理杭州國洲電力科技有限公司振動聲學指紋在線監測功能的實時數據分析能力。

3.3.2.3基頻信號能量比(E)100Hz基頻分量時域信號能量占信號總能量的比值，計算公式：E=jmS1j2jmSj2，其中S1為100Hz基頻分量的時域信號，Sj為原始信號，j為采樣索引值。正常狀態下，由于100Hz基頻分量為聲紋振動頻譜圖的主要成分，基頻信號能量比應較大；存在故障時，諧波分量增加且峰值頻率發生偏移，基頻信號能量比變小。3.3.2.4互相關系數(r)正常狀態與實測的聲紋振動信號頻譜圖之間的相似度，計算公式：r=i=0N-1[Xi-X][Yi-Y]i=0N-1[Xi-X]2i=0N-1[Yi-Y]2，其中Xi和Yi分別為正常狀態與實時測得聲紋振動信號的頻域分布，X和Y為對應信號的平均值，互相關系數范圍為0~1。◆正常運行時，相關系數應接近于1。◆存在故障時，信號頻率分布發生改變，互相關系數減小。

GIS在帶電運行過程中除了機械故障會導致異常振動外，放電性故障（如絕緣子內部缺陷、螺絲松動、懸浮電位放電、毛刺前列放電、金屬微粒放電等）也會導致聲紋振動信號的產生。因此，通過深入研究GIS本體的聲紋振動信號特征可發現GIS機械性故障及放電性故障，具有監測***、監測結果互相補充的特點。基于聲紋振動信號的在線監測，可在GIS帶電運行狀態下及時發現潛在故障，并及時預警，從而延長使用壽命，提高電網運行的可靠性。我公司以聲紋振動信號為主，結合電流、位移等其他參量的在線監測，開發了故障診斷算法（***軟著權）并提取相關特征參量研制完成的GZAFV-01型聲紋振動監測系統，適用于開關設備的帶電監測（便攜診斷式、手持巡檢式）、在線監測（長期固定式、短期移動式）。杭州國洲電力科技有限公司振動聲學指紋在線監測功能的遠程監控能力。

電力系統中的高壓開關類設備主要包括GIS（氣體絕緣金屬封閉開關設備）、AIS（敞開式斷路器）、GIS /敞開式的隔離開關、開關柜斷路器等。各類開關設備的材料、工藝、設計、安裝過程中的缺陷以及頻繁動作極易引起機械故障，嚴重時更會導致電氣火災、停電等事故，現有狀態檢修方式的試驗周期長、耗費人力物力、檢修效率低等缺點，較大地影響設備正常運行。

基于聲紋振動信號的在線監測，可在GIS帶電運行狀態下及時發現潛在故障，并及時預警，從而延長使用壽命，提高電網運行的可靠性。我公司以聲紋振動信號為主，結合電流、位移等其他參量的在線監測，開發了故障診斷算法（***軟著權）并提取相關特征參量研制完成的GZAFV-01型聲紋振動監測系統，適用于開關設備的帶電監測（便攜診斷式、手持巡檢式）、在線監測（長期固定式、短期移動式）。 GZAF-1000S系列高壓開關振動聲學指紋監測系統各類高壓開關監測系統的技術參數。開關柜振動聲學指紋在線監測系統功能

杭州國洲電力科技有限公司的企業發展歷程與技術創新成果。杭州高壓開關振動聲學指紋在線監測系統軟件界面

3.3.1.3能量分布曲線基于小波變換的聲紋振動信號多分辨率分析結果如下圖3.8所示。原始信號經8層分解后產生第8層的近似分量和第1層至第8層的詳細分量，計算各層詳細分量信號能量，可獲得信號能量分布曲線。比對正常狀態與異常狀態能量分布曲線，可判斷OLTC運行狀態，并提取互相關系數、最大值、平均值、峰度、偏度作為狀態診斷特征參量。下圖3.7為正常與異常狀態的聲紋振動信號能量分布曲線比對。

3.3.1.4時頻能量分布矩陣(ATF圖譜)獲取聲紋振動信號的時頻能量分布矩陣，同時反映原始信號時域、頻域特性及能量分布。將信號時頻分布矩陣分為6個區間，計算各區間平均值作為特征參量，用于OLTC正常狀態與異常狀態比對。下圖3.9為正常狀態下聲紋振動信號時頻能量矩陣。 杭州高壓開關振動聲學指紋在線監測系統軟件界面