杭州国洲电力科技有限公司，专注于综合智慧能源服务领域内发、输、变、配、用、储等全过程的各主设备参量监测、数据分析和状态评价技术的研制，致力于为领域内的各科研院所、专业院校、设备管理、工程服务、发电、设备制造等合作方提供前列的解决方案。我公司于2014年1月把研发部、生产部和技术服务部融合打造成“技术智造中心”，并在研发部组建了专注于局部放电监测技术和振动声学指纹监测技术的两个技术组，成功研制出自主知识产权的、先进的局部放电和振动声学指纹监测技术，且至今已在合作方的实验室、投运站场、制造厂区上大量运用多年，为综合智慧能源服务领域中电网的可靠运行提供了逐年增长的先进的、高效的技术支持。GZAF-1000T系列变压器(电抗器)振动声学指纹监测历史数据对比。杭州振动声学指纹在线监测产品
一、概述变压器在电力系统中起到电压变换、电能分配等重要作用，其安全稳定运行对确保供电可靠性具有重要意义。有载分接开关、绕组及铁芯是变压器/电抗器的重要组成部分，三者的故障率总和占变压器/电抗器整体故障的70%左右，而传统预防性检修方法具有试验周期长、影响变压器正常运行、耗费人力物力等缺点。开展基于声学指纹的状态监测，可在在线状态下及时发现变压器/电抗器有载分接开关、绕组及铁芯的潜在故障，并及时预警，从而延长变压器使用寿命，提高电网运行的可靠性。有载分接开关（On-LoadTapChanger,OLTC）是在励磁状态下，通过改变绕组分接位置实现电网的有载调压，起到稳定负载电压、调节无功潮流、增加电网灵活度等重要作用。它是调压变压器中***的可动部件、关键部件之一。国际大电网委员会(GIGRE)等国内外统计结果表明，有载分接开关故障占变压器总体故障的30%以上，各类故障影响变压器及整个电网的安全稳定运行，严重时更会导致大面积停电、电气火灾等事故。杭州开关柜振动声学指纹在线监测产品参数GZAF-1000T系列变压器(电抗器)振动声学指纹监测运行状态告警。
系统结构：GZAF-1000T系列变压器/电抗器振动声学指纹监测系统由压电式加速度传感器、驱动电机电流传感器、数据采集装置、云服务器（采用B/S结构）、通讯子系统及供电系统构成，系统机构图如下图2所示。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。
云平台服务器：数据经现场采集装置采集后，通过4G/5G无线传输模组（或电力光纤专网）传送至电力设备监测及诊断技术的“中国智造者”第10页共29页云服务器进行存储及深度计算，远端通过浏览器登录云服务器可随时随地查看系统监测内容，对变压器/电抗器进行运行监测及诊断分析。云平台系统结构图如下图6所示，采用B/S结构（浏览器/服务器模式），提供监测系统的数据深度计算、存储及浏览器查看服务，便于管理。信号分析与处理有载分接开关运行状态分析GZAF-1000S系列高压开关振动声学指纹监测系统遵循标准。
系统功能：结合变压器/电抗器的带电检测、智能巡检以及其他在线监测状态量，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识别故障的准确性，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地诊断可结合负荷、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/电抗器地振动声学指纹频谱时，系统可以自动去查询变压器/电抗器地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/电抗器可能存在绕组变形地异常。GZAF-1000T系列变压器(电抗器)振动声学指纹监测绕组及铁芯运行状态分析。杭州国洲电力振动声学指纹在线监测技术方案
GZAF-1000T系列变压器(电抗器)振动声学指纹监测系统功能。杭州振动声学指纹在线监测产品
系统功能：3.4.2监测系统的智慧化功能具备边缘计算能力，就地采集并处理振动声学指纹信号及驱动电机电流信号，完成有载分接开关信号包络、ATF等分析，完成绕组及铁芯振动信号频谱分析及参数计算，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分析结果；具备实物ID管理功能，提供有载分接开关、绕组及铁芯运行状态信息链接入口，可扫码读取设备在线监测历史数据及趋势。通过扫码或RFID识别设备，读取设备ID信息，通过站内网络（4G/5G/WIFI）传输给云端服务器，向服务器请求该设备的详细信息，以及详细的运行状态，测试信息等。根据各时频信号互相关系数、能量分布曲线特征参量（互相关系数、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/电抗器运行状态及机械故障类型。图15基于振动声学指纹的变压器故障诊断结合变压器/电抗器的带电检测、智能巡检以及其他在线监测状态量，杭州振动声学指纹在线监测产品
