電力系統中的開關類設備主要包括GIS、AIS（敞開式斷路器）、GIS/敞開式的隔離開關、開關柜斷路器等。各類開關設備的材料、工藝、設計、安裝過程中的缺陷以及頻繁動作極易引起機械故障，嚴重時更會導致電氣火災、停電等事故，現有狀態檢修方式的試驗周期長、耗費人力物力、檢修效率低等缺點，較大地影響設備正常運行。GIS是當今輸電網絡中一種應用***的電氣設備。通過將變電站中斷路器、隔離開關、接地開關、PT、CT、避雷器、連接母線、電纜終端、進出線套管等一次設備經過優化設計并有序地結合為整體，在金屬殼內封裝起來，內部充SF6氣體作為滅弧和絕緣介質組成的封閉組合電器。與傳統的敞開式相比較，GIS具有占地面積小、可靠性高、安全性強、運行維護工作量很小等優點，因而被大量使用在重要負荷、樞紐變電站中。但由于其采用全封閉結構，一旦發生故障，影響范圍大并且難以準確定位及快速搶修，將會帶來嚴重的經濟損失。隨著GIS逐步在特高壓輸電網絡推廣應用，設備故障所造成的影響將進一步加大。杭州國洲電力科技有限公司振動聲學指紋在線監測技術的行業培訓支持。杭州國洲電力振動聲學指紋在線監測

3.3.1.3能量分布曲線基于小波變換的聲紋振動信號多分辨率分析結果如下圖3.8所示。原始信號經8層分解后產生第8層的近似分量和第1層至第8層的詳細分量，計算各層詳細分量信號能量，可獲得信號能量分布曲線。比對正常狀態與異常狀態能量分布曲線，可判斷OLTC運行狀態，并提取互相關系數、最大值、平均值、峰度、偏度作為狀態診斷特征參量。下圖3.7為正常與異常狀態的聲紋振動信號能量分布曲線比對。

3.3.1.4時頻能量分布矩陣(ATF圖譜)獲取聲紋振動信號的時頻能量分布矩陣，同時反映原始信號時域、頻域特性及能量分布。將信號時頻分布矩陣分為6個區間，計算各區間平均值作為特征參量，用于OLTC正常狀態與異常狀態比對。下圖3.9為正常狀態下聲紋振動信號時頻能量矩陣。 聲紋振動聲學指紋在線監測監測維修電話杭州國洲電力科技有限公司振動聲學指紋在線監測技術系統的模塊化設計。

1.2變壓器/電抗器運行狀態概述變壓器/電抗器（下文皆用“變壓器”簡稱）在電力系統中起到電壓變換、電能分配等重要作用，其安全穩定運行對確保供電可靠性具有重要意義。有載分接開關（下文皆用OLTC簡稱）、繞組及鐵芯是變壓器的重要組成部分，三者故障率總和占變壓器整體故障70%左右，而傳統預防性試驗有試驗周期長、影響變壓器正常運行、耗費人力物力等缺點。開展基于聲學指紋的狀態監測，可在在線狀態下及時發現變壓器OLTC、繞組及鐵芯的潛在故障，并及時預警，從而延長變壓器使用壽命，提高電網運行的可靠性。

GIS及敞開式的隔離開關監測功能特性◆采用加速度傳感器及電流傳感器監測隔離開關聲紋振動及電機電流信號。◆具有比對分析功能：可將現測與標準/歷史的監測數據進行橫向/縱向比對分析。◆具有診斷分析功能：可對隔離開關狀態進行診斷，并上傳原始數據及分析結果。◆具有斷電不丟失存儲數據、復電自啟動、自復位的功能，可連續監測、存儲及導出功能，可夠存儲1000次以上的操作數據，并具備批量處理數據功能。◆具備聲紋振動及電機電流信號波形、包絡分析、時頻圖譜等展示功能。◆自動提取動/靜觸頭的分/合閘動作時間、電機峰值電流、電機電流的燃弧時間及抖動高幅值關鍵特征、聲紋振動脈動關鍵特征等參量。◆智能分析：依托于我公司建立的海量典型故障案例的數據庫，包絡分析后可快速實現歷史信號重合度比對開展智能分析，更直觀、快速地判斷電力設備運行狀態。為量化信號重合度比對，GZAFV-01系統引入互相關系數的計算，當實時采集信號包絡曲線與正常狀態包絡曲線的互相關系數：接近1時，被測設備是接近正常狀態。接近0時，被測設備是可能存在故障的異常狀態。杭州國洲電力科技有限公司振動聲學指紋在線監測技術的用戶培訓支持。

3.2.1感知層的傳感器GZAFV-01系統的感知層如上圖3.1所示，由IED/主機、6路聲紋振動傳感器、1路電流傳感器等構成，聲紋振動傳感器集成電荷放大器，將聲紋振動信號轉換成與之成正比的電壓信號；電流傳感器采用微型卡扣結構，便于現場安裝。各傳感器外觀及參數如下表1所示。◆3路聲紋振動傳感器采集取OLTC振動信號，通過固定底座安裝在變壓器外壁，安裝位置選取平行于OLTC的垂直傳動桿方向，且盡量靠近OLTC的觸頭組處。◆1路電流傳感器采集OLTC驅動電機電流信號，安裝于OLTC驅動電機電源線處。◆3路聲紋振動傳感器采集變壓器繞組及鐵芯聲紋振動信號，安裝位置選取于上夾件底部、非冷卻器側油箱表面中部、油箱頂部中心點。為保持監測點的同一性，便于后期監測數據的時間軸線比對，所有聲紋振動傳感器底座長期固定在變壓器外壁上。安裝示意圖如下圖3所示。（備注：傳感器安裝的數量及位置可根據被測設備的監測需求而靈活調整）杭州國洲電力科技有限公司振動聲學指紋在線監測技術的科研支持背景。便攜式聲紋振動聲學指紋在線監測監測頻率

杭州國洲電力科技有限公司振動聲學指紋在線監測服務的快速響應機制。杭州國洲電力振動聲學指紋在線監測

4.2.3根據各時頻信號互相關系數、能量分布曲線特征參量（互相關系數、最大值、平均值、峰度、偏度）、ATF圖譜特征參量（六等分區間均值）、總諧波畸變率、基頻信號能量比等狀態量，采用深度學習算法，自動判斷變壓器運行狀態及機械故障類型。

4.2.4結合變壓器的帶電監測、智能巡檢以及其他在線監測狀態量，進行數據的多參量融合分析，形成基于多源數據的故障預警機制，多參量融合分析不僅提高了識別故障的準確性，而且還能**降低因單個參量判別故障帶來的誤報。例如，對于變壓器疑似問題地診斷可結合負荷、損耗、繞組機械振動信號、油溫、以及歷史電流電壓情況分析，在監測到變壓器地聲紋振動頻譜時，GZAFV-01系統的操控及監測數據分析系統可以自動去查詢變壓器地歷史電流和電壓信號，如果發現在某段時期確實有大電流沖擊，可給出預警：變壓器可能存在繞組變形地異常。 杭州國洲電力振動聲學指紋在線監測