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。GZAFV-01型便携式变压器声纹振动 监测与诊断系统相关标准。特高压GIS振动监测设计
在 OLTC 的状态监测领域，AFV 信号分析法具有独特的优势。OLTC 切换时，内部机构部件的运动撞击和摩擦产生的脉冲冲击力，通过变压器油和静触头传递到变压器箱壁，形成具有特定频率和幅值特征的振动信号。这些信号如同设备运行状态的 “密码”，通过 AFV 传感器采集并运用专业的信号处理算法进行分析，我们可以解读出 OLTC 的工作模式和状态数据。例如，当 OLTC 出现电弧故障时，其振动信号会呈现出高频、高幅值的特征，与正常运行状态下的信号有明显区别。利用 AFV 信号分析法，我们能够快速准确地判断出 OLTC 的故障类型，为设备的维护和管理提供科学依据。杭州电气设备振动监测诊断杭州国洲电力科技有限公司的企业文化与社会责任。
利用 AFV 信号分析法对 OLTC 进行状态监测，需要建立完善的信号分析体系。OLTC 在运行过程中产生的振动信号是复杂的，受到多种因素的影响。我们需要通过对大量正常和故障状态下的 OLTC 振动信号进行采集和分析，建立起故障类型与信号特征之间的数据库。例如，针对触头接触不良、触头磨损、弹簧弹性下降等不同故障类型，分别确定其对应的振动信号特征模式。在实际监测中，将采集到的 OLTC 振动信号与数据库中的模式进行比对，通过模式识别技术准确判断 OLTC 的故障类型和状态，实现对 OLTC 的智能化监测和管理。
在 OLTC 的运行过程中，AFV 信号分析法发挥着至关重要的作用。OLTC 切换瞬间，内部复杂的机械动作所产生的脉冲冲击力，会引发一系列振动传递现象。从内部机构到变压器油，再到变压器箱壁，每一个环节都承载着信号的传递与转换。通过对 AFV 信号的深入监测，我们能够洞察 OLTC 切换时间的微妙变化。若切换时间超出正常范围，可能意味着内部机械结构出现磨损或卡顿，这将严重影响 OLTC 的正常工作，而 AFV 信号分析法能够及时发现此类隐患，为设备维护提供有力支持。杭州国洲电力科技有限公司振动声学指纹在线监测服务的全流程支持。
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
信号包络重合度比对分析
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功能的主要特性解析。研发振动监测产品选择
杭州国洲电力科技有限公司的企业简介与主要技术优势。特高压GIS振动监测设计
4.1.9智能分析功能：软件内置典型故障特征的数据库，可与监测数据进行比对，通过信号波形、时间长度和幅值等特征值，诊断分析故障类型；也可添加新监测数据，方便后期横向、纵向比较；可将同一厂家同一型号的正常监测数据导入保存，便于对该厂家、型号的变压器监测数据曲线进行比对分析。4.1.10具有报表分析功能，自动计算并保存重合度、动作时间、能量分布、电流最大值、电流平均值、绕组及铁芯振动峰值频率、总谐波畸变率、基频能量比、互相关系数等特征参量，并生成分析报表。4.2智慧化功能4.2.1具备边缘计算能力，就地采集并处理声纹振动信号及驱动电机电流信号，完成OLTC信号包络、ATF图谱等分析，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。特高压GIS振动监测设计
