1.1公司概述杭州国洲电力科技有限公司，成立于2013年5月，是专注于综合智慧能源服务领域内发、输、变、配、用、储等全过程的电力设备参量监测、数据分析和状态评价技术的研、产、销、服四位一体的****，致力于为领域内各科研院所、专业院校、设备管理、工程服务、电能生产、设备制造等合作方提供质量的体系化技术方案。我公司于2014年把研发部、生产部和技术服务部融合打造成“技术智造中心”，并在中心组建了专注于局部放电和声纹振动监测技术的两大课题组，成功研制出自主知识产权的、先进的局部放电和声纹振动监测技术。我公司的技术近10年在投运站场、制造厂区的电力设备上大量的持续运用，为电网的可靠运行提供了逐年增长的技术支持，特别是在变压器（电抗器）、开关设备和输电设备等电力设备的绝缘、机械的状态分析与诊断方面，凭借前沿的软/硬件技术与先进的监测方法，为电力设备的高效运检提供了质量的体系化技术方案。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市场推广策略。声纹振动声学指纹在线监测欢迎选购

GZAFV-01系统的IED/主机形态分便携式带电监测（分体机，如上图3.3、一体机）、长期固定在线监测式（标准1U的IED，如上图3.3）等机型。其中，便携式一体机结构轻巧，适用于带电巡检、故障诊断；标准监测单元与壁挂式监测单元适用于长期在线监测与故障诊断。6.12020年10月20日，我公司荣获国网公司设备部的邀请，委派技术智造中心总监王国明博士参与国网设备部组织的关于智慧变电站技术方案审查会，向与会的国网公司设备部、各省公司设备部及各省电科院的领导和**们做了《声纹振动监测技术在变电站主设备智慧型综合监测中的作用和实施方案》的汇报，获与会领导和**们的高度认可。如下图6.1所示。检测振动声学指纹在线监测销售公司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多功能集成。

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。

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。 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合作案例。

GIS在带电运行过程中除了机械故障会导致异常振动外，放电性故障（如绝缘子内部缺陷、螺丝松动、悬浮电位放电、毛刺前列放电、金属微粒放电等）也会导致声纹振动信号的产生。因此，通过深入研究GIS本体的声纹振动信号特征可发现GIS机械性故障及放电性故障，具有监测***、监测结果互相补充的特点。基于声纹振动信号的在线监测，可在GIS带电运行状态下及时发现潜在故障，并及时预警，从而延长使用寿命，提高电网运行的可靠性。我公司以声纹振动信号为主，结合电流、位移等其他参量的在线监测，开发了故障诊断算法（***软著权）并提取相关特征参量研制完成的GZAFV-01型声纹振动监测系统，适用于开关设备的带电监测（便携诊断式、手持巡检式）、在线监测（长期固定式、短期移动式）。杭州国洲电力科技有限公司的企业愿景与使命。检测振动声学指纹在线监测销售公司

杭州国洲电力科技有限公司的企业简介与主要技术优势。声纹振动声学指纹在线监测欢迎选购

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。 声纹振动声学指纹在线监测欢迎选购