4.2.3根据各时频信号互相关系数、能量分布曲线特征参量（互相关系数、最大值、平均值、峰度、偏度）、ATF图谱特征参量（六等分区间均值）、总谐波畸变率、基频信号能量比等状态量，采用深度学习算法，自动判断变压器运行状态及机械故障类型。

4.2.4结合变压器的带电监测、智能巡检以及其他在线监测状态量，进行数据的多参量融合分析，形成基于多源数据的故障预警机制，多参量融合分析不仅提高了识别故障的准确性，而且还能**降低因单个参量判别故障带来的误报。例如，对于变压器疑似问题地诊断可结合负荷、损耗、绕组机械振动信号、油温、以及历史电流电压情况分析，在监测到变压器地声纹振动频谱时，GZAFV-01系统的操控及监测数据分析系统可以自动去查询变压器地历史电流和电压信号，如果发现在某段时期确实有大电流冲击，可给出预警：变压器可能存在绕组变形地异常。 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。断路器振动声学指纹在线监测系统组件

四、GZAFV-01系统的功能特点4.1基本功能4.1.1支持多通道信号同步实时地采集、显示及分析。4.1.2具有时间触发和电流触发功能，可手动选择信号触发方式。4.1.3可将任意两次测量的图谱进行相似度分析，并自动计算图谱的重合度。4.1.4具有先进的能量谱分析功能，并能自动识别能量谱比较大的高低频能量频率。4.1.5独有的信号处理功能，生成声纹振动信号ATF图谱（系我公司***软著权的《变压器有载分解开关及绕组振动测试软件V1.0》中的**核心算法），更直观、更便捷分析OLTC及绕组和铁芯的运行状态。校验振动声学指纹在线监测监测厂家电话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故障诊断能力。

GIS及敞开式的隔离开关监测功能特性◆采用加速度传感器及电流传感器监测隔离开关声纹振动及电机电流信号。◆具有比对分析功能：可将现测与标准/历史的监测数据进行横向/纵向比对分析。◆具有诊断分析功能：可对隔离开关状态进行诊断，并上传原始数据及分析结果?！艟哂卸系绮欢Т娲⑹荨⒏吹缱云舳⒆愿次坏墓δ?，可连续监测、存储及导出功能，可够存储1000次以上的操作数据，并具备批量处理数据功能?！艟弑干普穸暗缁缌餍藕挪ㄐ巍绶治觥⑹逼低计椎日故竟δ??！糇远崛《?静触头的分/合闸动作时间、电机峰值电流、电机电流的燃弧时间及抖动高幅值关键特征、声纹振动脉动关键特征等参量。◆智能分析：依托于我公司建立的海量典型故障案例的数据库，包络分析后可快速实现历史信号重合度比对开展智能分析，更直观、快速地判断电力设备运行状态。为量化信号重合度比对，GZAFV-01系统引入互相关系数的计算，当实时采集信号包络曲线与正常状态包络曲线的互相关系数：接近1时，被测设备是接近正常状态。接近0时，被测设备是可能存在故障的异常状态。

3.2.1感知层的传感器GZAFV-01系统的感知层如上图3.1所示，由IED/主机、6路声纹振动传感器、1路电流传感器等构成，声纹振动传感器集成电荷放大器，将声纹振动信号转换成与之成正比的电压信号；电流传感器采用微型卡扣结构，便于现场安装。各传感器外观及参数如下表1所示。◆3路声纹振动传感器采集取OLTC振动信号，通过固定底座安装在变压器外壁，安装位置选取平行于OLTC的垂直传动杆方向，且尽量靠近OLTC的触头组处?！?路电流传感器采集OLTC驱动电机电流信号，安装于OLTC驱动电机电源线处?！?路声纹振动传感器采集变压器绕组及铁芯声纹振动信号，安装位置选取于上夹件底部、非冷却器侧油箱表面中部、油箱顶部中心点。为保持监测点的同一性，便于后期监测数据的时间轴线比对，所有声纹振动传感器底座长期固定在变压器外壁上。安装示意图如下图3.2所示。（备注：传感器安装的数量及位置可根据被测设备的监测需求而灵活调整）杭州国洲电力科技有限公司振动声学指纹在线监测技术系统的?？榛杓啤?/p>

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在线重症监护式。GZAFV-01系统由声纹振动传感器、驱动电机电流传感器、数据采集装置（在线监测式：IED，便携/手持式：主机；下文皆用IED/主机简称）、云服务器、通讯单元及供电单元构成；操控及监测数据分析软件结合包络分析、重合度分析、小波分析、能量分布矩阵、时域信号频谱分析等多种算法，并提取故障诊断特征参量，在线状态下实现变压器OLTC、绕组及铁芯的健康态势评价与故障类型诊断。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远程监控能力。国洲电力振动声学指纹在线监测监测故障

杭州国洲电力科技有限公司的企业愿景与使命。断路器振动声学指纹在线监测系统组件

3.3.1.3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。

3.3.1.4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。 断路器振动声学指纹在线监测系统组件