聲學(xué)指紋振動(dòng)聲學(xué)指紋在線監(jiān)測監(jiān)測卡

3.1技術(shù)原理變壓器振動(dòng)主要包括OLTC切換時(shí)的瞬態(tài)振動(dòng)、電流通過繞組時(shí)電動(dòng)力引起的繞組振動(dòng)、硅鋼片的磁致伸縮及硅鋼片接縫處與疊片之間的漏磁導(dǎo)致鐵芯振動(dòng)、以及冷卻裝置工作時(shí)的振動(dòng)。其中，由冷卻系統(tǒng)引起的基本振動(dòng)頻率小于100Hz，不作為變壓器的分析內(nèi)容。變壓器內(nèi)部的聲紋振動(dòng)信號通過絕緣油、支撐單元、加強(qiáng)筋結(jié)構(gòu)等多種途徑傳播至變壓器外壁，可由安裝于外壁的聲紋振動(dòng)傳感器測得。

OLTC切換過程中，分接選擇器動(dòng)作、切換開關(guān)動(dòng)作、動(dòng)靜觸頭碰撞等機(jī)械動(dòng)作產(chǎn)生聲紋振動(dòng)信號，信號包含觸頭分合狀態(tài)、三相觸頭是否同期、觸頭表面是否平整、切換是否到位等信息，可反映OLTC結(jié)構(gòu)磨損、卡滯、松動(dòng)、變形等故障。切換過程中若儲能彈簧性能發(fā)生改變或儲能過程中存在機(jī)構(gòu)卡塞等現(xiàn)象，必然伴隨著電機(jī)驅(qū)動(dòng)力矩的變化，從而使驅(qū)動(dòng)電機(jī)電流發(fā)生變化。因此，可通過監(jiān)測驅(qū)動(dòng)電機(jī)電流信號與聲紋振動(dòng)信號的結(jié)合分析，可更加有效的評價(jià)OLTC在線運(yùn)行狀態(tài)下的健康態(tài)勢評價(jià)與故障類型診斷。 杭州國洲電力科技有限公司振動(dòng)聲學(xué)指紋在線監(jiān)測技術(shù)系統(tǒng)的兼容性分析。聲學(xué)指紋振動(dòng)聲學(xué)指紋在線監(jiān)測監(jiān)測卡

二、相關(guān)標(biāo)準(zhǔn)（遵循但不限于下列標(biāo)準(zhǔn)）2.1GB/T4208外殼防護(hù)等級（IP代碼）。2.2GB/T10230.1分接開關(guān)第1部分：性能要求和試驗(yàn)方法。2.3GB/T10230.2分接開關(guān)第2部分：應(yīng)用導(dǎo)則。2.4DL/T265變壓器有載分接開關(guān)現(xiàn)場試驗(yàn)導(dǎo)則。2.5DL/T574變壓器分接開關(guān)運(yùn)行維修導(dǎo)則。2.6DL/T846.8-2017高電壓測試設(shè)備通用技術(shù)條件第8部分有載分接開關(guān)測試儀。2.7DL/T860變電站通信網(wǎng)絡(luò)和系統(tǒng)。2.8DL/T1430變電設(shè)備在線監(jiān)測系統(tǒng)技術(shù)導(dǎo)則。2.9DL/T1432.1變電設(shè)備在線監(jiān)測裝置檢驗(yàn)規(guī)范第1部分：通用檢驗(yàn)規(guī)范。2.10DL/T1538電力變壓器用真空有載分接開關(guān)使用導(dǎo)則。2.11DL/T1540油浸式交流電抗器（變壓器）運(yùn)行振動(dòng)測量方法。2.12DL/T1694.2高壓測試儀器及設(shè)備校準(zhǔn)規(guī)范第2部分：電力變壓器分接開關(guān)測試儀。2.13DL/T1805電力變壓器用有載分接開關(guān)選用導(dǎo)則。2.14Q/GDW383智能變電站技術(shù)導(dǎo)則。電抗器振動(dòng)聲學(xué)指紋在線監(jiān)測監(jiān)測符號GZAFV-01型聲紋振動(dòng)監(jiān)測系統(tǒng)（開關(guān)設(shè)備）智能評估和故障預(yù)警。

3.3GZAFV-01系統(tǒng)的監(jiān)測數(shù)據(jù)信號分析與處理3.3.1OLTC運(yùn)行狀態(tài)分析OLTC動(dòng)作時(shí)，典型聲紋振動(dòng)和驅(qū)動(dòng)電機(jī)電流的信號如下圖3.4所示。通過分解時(shí)域內(nèi)典型信號區(qū)間，可有效判斷OLTC驅(qū)動(dòng)電機(jī)啟動(dòng)、分接選擇器斷開、分接選擇器閉合、切換開關(guān)動(dòng)作、驅(qū)動(dòng)電機(jī)制動(dòng)等動(dòng)作順序，進(jìn)而分析OLTC的運(yùn)行狀態(tài)。然而，以上通過典型信號分析判斷OLTC的運(yùn)行狀態(tài)需要豐富的實(shí)踐經(jīng)驗(yàn)，為方便監(jiān)測人員快速完成診斷任務(wù)，需通過多種算法更直觀、準(zhǔn)確地判斷OLTC狀態(tài)。GZAFV-01系統(tǒng)結(jié)合基于小波變換及希爾伯特變換的包絡(luò)分析、基于互相關(guān)系數(shù)的重合度分析、基于小波多分辨率分解的能量分布曲線分析、基于時(shí)頻分布矩陣的信號比對等多種核心算法，實(shí)現(xiàn)OLTC***、有效、準(zhǔn)確的狀態(tài)診斷和早期隱患監(jiān)測，降低OLTC運(yùn)行的故障風(fēng)險(xiǎn)。

GIS及敞開式的隔離開關(guān)監(jiān)測功能特性◆采用加速度傳感器及電流傳感器監(jiān)測隔離開關(guān)聲紋振動(dòng)及電機(jī)電流信號?！艟哂斜葘Ψ治龉δ埽嚎蓪F(xiàn)測與標(biāo)準(zhǔn)/歷史的監(jiān)測數(shù)據(jù)進(jìn)行橫向/縱向比對分析?！艟哂性\斷分析功能：可對隔離開關(guān)狀態(tài)進(jìn)行診斷，并上傳原始數(shù)據(jù)及分析結(jié)果?！艟哂袛嚯姴粊G失存儲數(shù)據(jù)、復(fù)電自啟動(dòng)、自復(fù)位的功能，可連續(xù)監(jiān)測、存儲及導(dǎo)出功能，可夠存儲1000次以上的操作數(shù)據(jù)，并具備批量處理數(shù)據(jù)功能?！艟邆渎暭y振動(dòng)及電機(jī)電流信號波形、包絡(luò)分析、時(shí)頻圖譜等展示功能?！糇詣?dòng)提取動(dòng)/靜觸頭的分/合閘動(dòng)作時(shí)間、電機(jī)峰值電流、電機(jī)電流的燃弧時(shí)間及抖動(dòng)高幅值關(guān)鍵特征、聲紋振動(dòng)脈動(dòng)關(guān)鍵特征等參量?！糁悄芊治觯阂劳杏谖夜窘⒌暮Ａ康湫凸收习咐臄?shù)據(jù)庫，包絡(luò)分析后可快速實(shí)現(xiàn)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(shè)備運(yùn)行狀態(tài)。為量化信號重合度比對，GZAFV-01系統(tǒng)引入互相關(guān)系數(shù)的計(jì)算，當(dāng)實(shí)時(shí)采集信號包絡(luò)曲線與正常狀態(tài)包絡(luò)曲線的互相關(guān)系數(shù)：接近1時(shí)，被測設(shè)備是接近正常狀態(tài)。接近0時(shí)，被測設(shè)備是可能存在故障的異常狀態(tài)。杭州國洲電力科技有限公司振動(dòng)聲學(xué)指紋在線監(jiān)測技術(shù)系統(tǒng)的安全性設(shè)計(jì)。

3.3.2.3基頻信號能量比(E)100Hz基頻分量時(shí)域信號能量占信號總能量的比值，計(jì)算公式：E=jmS1j2jmSj2，其中S1為100Hz基頻分量的時(shí)域信號，Sj為原始信號，j為采樣索引值。正常狀態(tài)下，由于100Hz基頻分量為聲紋振動(dòng)頻譜圖的主要成分，基頻信號能量比應(yīng)較大；存在故障時(shí)，諧波分量增加且峰值頻率發(fā)生偏移，基頻信號能量比變小。3.3.2.4互相關(guān)系數(shù)(r)正常狀態(tài)與實(shí)測的聲紋振動(dòng)信號頻譜圖之間的相似度，計(jì)算公式：r=i=0N-1[Xi-X][Yi-Y]i=0N-1[Xi-X]2i=0N-1[Yi-Y]2，其中Xi和Yi分別為正常狀態(tài)與實(shí)時(shí)測得聲紋振動(dòng)信號的頻域分布，X和Y為對應(yīng)信號的平均值，互相關(guān)系數(shù)范圍為0~1?！粽＿\(yùn)行時(shí)，相關(guān)系數(shù)應(yīng)接近于1?！舸嬖诠收蠒r(shí)，信號頻率分布發(fā)生改變，互相關(guān)系數(shù)減小。杭州國洲電力科技有限公司振動(dòng)聲學(xué)指紋在線監(jiān)測技術(shù)的科研支持背景。品牌振動(dòng)聲學(xué)指紋在線監(jiān)測銷售價(jià)格

杭州國洲電力科技有限公司振動(dòng)聲學(xué)指紋在線監(jiān)測技術(shù)的研發(fā)背景與創(chuàng)新點(diǎn)。聲學(xué)指紋振動(dòng)聲學(xué)指紋在線監(jiān)測監(jiān)測卡

3.3.1.3能量分布曲線基于小波變換的聲紋振動(dòng)信號多分辨率分析結(jié)果如下圖3.8所示。原始信號經(jīng)8層分解后產(chǎn)生第8層的近似分量和第1層至第8層的詳細(xì)分量，計(jì)算各層詳細(xì)分量信號能量，可獲得信號能量分布曲線。比對正常狀態(tài)與異常狀態(tài)能量分布曲線，可判斷OLTC運(yùn)行狀態(tài)，并提取互相關(guān)系數(shù)、最大值、平均值、峰度、偏度作為狀態(tài)診斷特征參量。下圖3.7為正常與異常狀態(tài)的聲紋振動(dòng)信號能量分布曲線比對。

3.3.1.4時(shí)頻能量分布矩陣(ATF圖譜)獲取聲紋振動(dòng)信號的時(shí)頻能量分布矩陣，同時(shí)反映原始信號時(shí)域、頻域特性及能量分布。將信號時(shí)頻分布矩陣分為6個(gè)區(qū)間，計(jì)算各區(qū)間平均值作為特征參量，用于OLTC正常狀態(tài)與異常狀態(tài)比對。下圖3.9為正常狀態(tài)下聲紋振動(dòng)信號時(shí)頻能量矩陣。 聲學(xué)指紋振動(dòng)聲學(xué)指紋在線監(jiān)測監(jiān)測卡