GZAFV-01T子系统采用AFV和驱动电机电流的信号采集和分析技术，能***地把握OLTC的机械性能状态，可以对OLTC的AFV和驱动电机电流的信号幅值大小进行监测和阈值报警，对AFV和驱动电机电流的信号进行分析。具体功能如下：◆适用于所有类型的OLTC故障诊断。◆利用AFV传感器和电流传感器获取OLTC切换动作过程中产生AFV和驱动电机电流的信号，并通过分析软件进行诊断评价。◆能将复杂的信号转换成易于特征识别的包络曲线。◆独有的信号处理功能，可将X、Y、Z的声纹振动信号生产ATF图，更直观，更便捷分析OLTC故障类型。◆可将任意两次监测的图谱进行相似度分析，并自动计算图谱的重合度。◆具有能量谱分析功能，能自动识别能量谱比较大的高低频能量的频率。GZAFV-01型声纹振动监测系统（变压器、电抗器)的评价和维护建议。高压振动监测标书
在 OLTC 的状态监测中，AFV 信号分析法具有重要的应用价值。OLTC 内部触头在频繁的分 / 合操作中，由于机械磨损和电气腐蚀，容易出现各种问题，如触头凹凸不平、变形等。这些问题会导致触头压力接触电阻和开矩参数发生变化，进而使 OLTC 的振动特征发生改变。AFV 传感器通过监测这些振动特征的变化，能够及时发现 OLTC 的潜在故障。例如，当触头接触电阻增大时，振动信号的幅值会在特定频率段出现明显变化。通过对这些变化的分析，我们可以准确判断 OLTC 的故障类型，为设备的维护和检修提供有力支持。杭州振动监测型号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行业应用前景。
GZAFV-01T子系统的原理◆监测原理OLTC在切换的过程中伴随着机械振动，在线监测技术主要利用AFV和驱动电机电流的信号分析法综合对OLTC状态进行诊断。根据AFV信号波谱的异常分析其状态，结合驱动电机电流分析技术，监测能够覆盖档位联接、时间序列、控制继电器、驱动电机、制动器、润滑、线性、电弧、过热和焦炭、电气节点磨损、过渡阻抗等11个项目。较传统停电检修方式，在线监测法针对的故障类型更加***，而且在带电运行时也能够迅速有效反映OLTC运行状态。
利用 AFV 信号分析法对 OLTC 进行状态监测，需要深入理解 OLTC 故障类型与振动特性之间的内在联系。OLTC 内部的各种故障，如触头问题、弹簧弹性下降等，都会对其振动特性产生影响。以弹簧弹性下降为例，弹簧作为 OLTC 内部的重要部件，其弹性下降会导致机械结构的动力学特性发生改变，在切换时产生的脉冲冲击力也会相应变化，从而使 OLTC 的振动信号发生改变。通过 AFV 传感器对这些振动信号的长期监测和分析，我们可以建立起故障类型与振动特征之间的对应关系，实现对 OLTC 故障的早期预警和准确诊断。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用户界面优化。
AFV 信号分析法的关键在于准确监测 OLTC 的 AFV 信号，从而获取其状态数据和工作模式。OLTC 切换时产生的脉冲冲击力，如同设备运行状态的 “信使”，通过变压器油和静触头传递到变压器箱壁，形成具有特定特征的振动信号。我们利用 AFV 传感器对这些信号进行采集和分析，能够获取 OLTC 的切换时间、触头状态等重要信息。当 OLTC 出现触头磨损故障时，其振动信号的频谱会发生明显变化，某些特定频率的幅值会增大。通过对这些信号特征的识别和分析，我们可以迅速判断出 OLTC 的故障类型，为设备的维护和检修提供明确方向。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合作背景。国洲电力振动指纹原理图
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。高压振动监测标书
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。
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。 高压振动监测标书
