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。4.2.2具备实物ID管理功能，提供OLTC、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。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用户操作指南。声纹振动声学指纹在线监测功能
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。综上所述，采用声纹振动法监测变压器OLTC、绕组及铁芯的状态，适用于带电监测/在线监测，与变压器无电气连接而不影响正常运行，有安装方便、安全、可靠等优点。我公司结合多年技术预研储备及现场技术服务经验，成功研制出GZAFV-01型声纹监测系统，既有固定安装的长期在线监测式，也有便携式的带电监测系统及可移动的重症监护式。有载开关声纹振动声学指纹在线监测规格杭州国洲电力科技有限公司的企业荣誉与资质认证。
3.1技术原理变压器振动主要包括OLTC切换时的瞬态振动、电流通过绕组时电动力引起的绕组振动、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、以及冷却装置工作时的振动。其中，由冷却系统引起的基本振动频率小于100Hz，不作为变压器的分析内容。变压器内部的声纹振动信号通过绝缘油、支撑单元、加强筋结构等多种途径传播至变压器外壁，可由安装于外壁的声纹振动传感器测得。
OLTC切换过程中，分接选择器动作、切换开关动作、动静触头碰撞等机械动作产生声纹振动信号，信号包含触头分合状态、三相触头是否同期、触头表面是否平整、切换是否到位等信息，可反映OLTC结构磨损、卡滞、松动、变形等故障。切换过程中若储能弹簧性能发生改变或储能过程中存在机构卡塞等现象，必然伴随着电机驱动力矩的变化，从而使驱动电机电流发生变化。因此，可通过监测驱动电机电流信号与声纹振动信号的结合分析，可更加有效的评价OLTC在线运行状态下的健康态势评价与故障类型诊断。
五、GZAFV-01系统的操控及监测数据分析软件5.1远端后台软件管理远端后台管理软件通过云服务器账户登录，选择管理对象。5.2设备信息管理设备信息管理界面包括设备名称、位置、编号等基本信息。5.3软件主界面主界面包括项目管理、多通道信号同步显示、分析及其他工具及基本分析结果显示，可实现信号包络、重合度比对、能量分布、时域信号频谱分布等分析。5.4包络分析声纹振动及驱动电机电流的信号包络分析可简化信号，直观反映设备运行状态。5.5历史数据比对实现实时监测数据与正常状态数据横向比对、与历史状态数据纵向比对。5.6频谱分析进行声纹振动监测数据的时域信号频谱分析，提取信号频域特征参量。5.7运行状态告警被测变压器的异常状态报警，可选择告警发送方式。5.8报表生成功能：被测变压器诊断结果生成报表功能。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远程监控能力。
6.4 2020年11月19日，我公司获邀南网广西电网公司总经办和生产技术部的邀请，委派公司技术智造中心总监王国明博士向广西电网公司的总经理、副总经理以及生产技术部、电力科学研究院等相关部门和直属单位的领导做了《变压器声纹振动在线监测与故障诊断技术》的专题汇报，荣获领导和**们的称赞与肯定。
6.5 2020年10月30日，国网公司设备部领导视察1000kV廊坊特高压变电站已投运的1000kV电抗器运行情况（如下图6.4所示）。通过查看我公司的GZOLM-1000T型变压器综合在线监测系统（局部放电、声纹振动、铁芯接地电流、油中溶解气体、电抗器空负载等运行参数）的多参量数据监测和融合评价技术所展示的电抗器在线运行中的性能状况），后根据评价电抗器在线运行健康态势的诊断报告，把某一台电抗器下线返厂维修，在厂区解体后验证了诊断报告的准确性。 杭州国洲电力科技有限公司的团队介绍与技术研发实力。有载开关声纹振动声学指纹在线监测规格
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定制化解决方案。声纹振动声学指纹在线监测功能
从振动和声学数据中提取有用的特征，以便建立设备的声学指纹，通常会用到以下信号处理技术：傅里叶变换（FFT）：用于分析信号在频域中的特性，可以识别出设备运行时的固有频率和谐波成分。短时傅里叶变换（STFT）：与FFT相比，STFT能够展示信号随时间变化的频率特性，适用于非平稳信号的分析。小波变换：具有良好的时频局部化特性，能够在多尺度上分析信号，适合捕捉瞬态事件和局部特征。包络检测：用于提取振动信号的振幅包络，可以用来表示信号的动态特性。频谱分析：通过计算信号的功率谱密度（PSD）或幅值谱，可以识别出信号的频率成分和能量分布。时频分析方法：如Wigner-Ville分布、Choi-Williams分布等，这些方法能够提供信号的时频表示，有助于分析复杂非线性和非平稳信号。模态分析：通过识别设备振动的模态特性，可以提取出与设备结构和损伤相关的特征。熵分析：如时域熵、频域熵或小波熵，这些方法可以量化信号的不确定性和复杂性，有助于识别设备状态的变化。统计分析：包括均值、方差、标准差等统计参数，可以描述信号的波动性和稳定性。高阶统计量：如偏度和峰度，它们可以提供信号分布形状的信息，有助于识别异常模式。声纹振动声学指纹在线监测功能
