振动基本参数
  • 品牌
  • 国洲电力
  • 型号
  • GZAF-1000T系列,GZAF-1000S系列,
振动企业商机

长园深瑞等)开展合作,不断丰富各型变压器的声纹振动样本数据库。GZAFV-06T型系统包括便携式带电监测与诊断型(分体机的如下图25C、一体机的如下图25D)、固定式在线监测与诊断型(标准1U式的如下图25E、壁挂式监测与诊断单元的如下图25F)等机型。其中,便携式一体机结构轻巧,适用于带电检测,标准单元与壁挂式单元适用于长期在线监测与重症监护。7.1 2020年10月20日,我公司荣获国家电网公司设备部的邀请,参与关于智慧变电站技术方案审查会,向与会的国网公司设备部、各省公司设备部及各省电科院的领导和**们做了《振动声学指纹监测技术在变电站主设备智慧型综合监测中的作用和实施方案》的汇报,荣获与会的领导和**们的高度认可,如下图26所示。GZOLM-1000G 系列特高压GIS 多参量监测与融合评价系统售后服务。杭州GZAF-1000T系列变压器振动系统概述

杭州GZAF-1000T系列变压器振动系统概述,振动

目前针对 GIS设备较成熟的监测方法,主要有电气法、声测法及化学分析法三大类,以上监测方法均针对的是放电性故障所产生的电磁波、声波、光、电弧分解产物等物理量。但在 GIS的运行中,除了放电性故障之外,机械性故障也是导致事故发生的一大主要原因,当GIS设备存在开关触头接触异常、壳体对接不平衡、导杆轻微弯曲等缺陷时,在开关操作的机械力、负载电流产生的交变电动力等因素的作用下会产生机械性运动,造成设备异常振动。GIS设备的异常振动对其本体有很大危害,会造成六氟化硫气体泄露、盆式绝缘子和绝缘支柱损伤、外壳接地点悬浮等缺陷,长期发展可能导致绝缘事故的发生。因此,加强对GIS机械性故障的监测,是保证GIS安全运行的重要手段。杭州服务的振动答疑解惑GZAF-1000T系列变压器/电抗器振动声学指纹监测系统。

杭州GZAF-1000T系列变压器振动系统概述,振动

3.2.2功能特点Ø具备断路器的振动、分合闸线圈和电机的电流、动静触头分合闸位移和位置等信号的监测功能;Ø具备振动、电流波形、位移曲线、压力变化等信号的记录和展示,自动计算峰值电流、电流上升速率、动作时间、动作时长、位移、分合闸位置、分合闸次数等参量;Ø监测主机/IED支持多通道信号同步和实时采集,通道数不小于8个(可定制);Ø支持历史数据与实测数据对比分析、不同通道测量数据的横向及纵向对比功能;Ø具有断电不丢失存储数据、复电自启动、自复位的功能,可连续监测、存储及导出1000次以上断路器动作数据;Ø断路器每次动作后,监测主机/IED主动评价断路器运行状态,并自动上传结果。断路器典型振动和储能电机电流信号及对应包络曲线如下图4所示。

(3)基频信号能量比(E):100Hz基频分量时域信号能量占信号总能量的比值,计算公式如下公式2所示:公式2:基频信号能量比计算公式公式2中S1为100Hz基频分量的时域信号,Sj为原始信号,j为采样索引值。正常状态下,由于100Hz基频分量为声纹振动频谱图的主要成分,基频信号能量比应较大;存在故障时,谐波分量增加且峰值频率发生偏移,基频信号能量比变小。(4)相关系数(r):正常状态与实时测得声纹振动信号频谱图之间的相似度,计算公式如下公式3所示:公式3:相关系数计算公式公式3中Xi和Yi分别为正常状态与实时测得声纹振动信号的频域分布,X和Y为对应信号的平均值,相关系数范围为0~1。正常运行时,相关系数应接近于1;存在故障时,信号频率分布发生改变,互相关系数减小。GZOLM-1000G 系列特高压GIS 多参量监测与融合评价系统技术联络。

杭州GZAF-1000T系列变压器振动系统概述,振动

变压器运行时,电流通过绕组时产生的电动力引起绕组振动,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。由于绕组导体所受电动力正比于负载电流的平方,绕组的声纹振动信号的基频为100Hz。由于变压器中磁感应强度正比于加载电压的平方,铁芯的声纹振动信号的基频也为100Hz。另外,考虑到铁芯振动的非线性特性,声纹振动信号还会包含频率为100Hz整数倍的高次谐波。当变压器的绕组变形或铁芯故障后,声纹振动信号频谱分布将发生改变,产生谐波分量。因此,信号分量可以作为区别绕组故障与铁芯故障的重要依据,采用声纹振动监测法可实现绕组及铁芯在线运行状态下的健康态势评价与故障类型诊断。国洲电力变压器振动监测系统使用方法。杭州国洲电力振动声学指纹监测技术

杭州国洲电力科技有限公司变压器/电抗器振动声学指纹监测技术方案。杭州GZAF-1000T系列变压器振动系统概述

4.2.3根据各时频信号相关系数、能量分布曲线特征参量(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,自动判断变压器运行状态及疑似机械故障类型。图16基于声纹振动法的故障诊断4.2.4结合变压器的带电检测、智能巡检以及其他在线监测的状态量,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疑似故障识别的准确性,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的诊断可结合负荷、损耗、绕组机械振动信号、油温、以及历史电流电压情况分析,在监测到变压器的声纹振动频谱时,系统可以自动去查询变压器的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:变压器可能存在绕组变形的异常。杭州GZAF-1000T系列变压器振动系统概述

与振动相关的**
信息来源于互联网 本站不为信息真实性负责