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。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高精度与可靠性。杭州GZAF-1000S系列振动声学指纹在线监测产品有哪些

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GZAF-1000S系列振动声学指纹在线监测产品有哪些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应用背景。

杭州国洲电力科技有限公司截止到目前已获授权的发明专利2项，实用新型专利23项，软件著作权7项，已过受理及审核而待授权的另计；在国内外核心期刊已发表的论文18篇；参与制定的行业标准2项；并与海内外**的专业院校、设备制造等单位建立了稳固的技术交流和共研机制。我公司始至秉持《始于专注、精于品质、久于信任、终于共赢》的经营理念追求创新，***、深度的应用大数据、云计算、机器学习、人工智能、物联网等新技术，决心塑造为综合智慧能源服务领域“民族创新智造”的先行者、**者和专注者，并在公司发展进程中为社会、合作方、员工和资方创造更大的价值。

确保采集到的振动和声学数据具有足够的准确性和分辨率，以便于识别设备的正常运行状态与异常情况，可以采取以下措施：

选择合适的传感器：根据被监测设备的特性和监测要求选择适当类型和规格的振动和声学传感器。传感器应具有高灵敏度和适当的频率响应范围。校准传感器：定期对传感器进行校准，以确保其输出与实际测量值之间的准确对应关系。优化采样频率：根据设备的动态特性和可能发生的故障类型，设置合适的采样频率，以捕捉到振动和声学信号的关键特征。减少噪声干扰：采取措施减少环境噪声和电磁干扰，如使用屏蔽电缆、设置隔振平台、选择低噪声环境进行测量等。数据预处理：采用滤波、去噪等数据预处理技术，提高信号质量，减少噪声的影响。多传感器融合：使用多个传感器并结合不同的测量位置，可以提高数据的冗余性和鲁棒性，从而增强信号的准确性。动态范围调整：根据设备的运行状态调整测量系统的动态范围，确保在设备运行在不同负载条件下都能获得清晰的信号。数据后处理和特征提取：应用高级信号处理技术，如时频分析、小波变换等，提取出反映设备状态的关键特征。 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实时数据分析能力。

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环保效益分析。断路器振动声学指纹在线监测技术说明

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智能化设计。杭州GZAF-1000S系列振动声学指纹在线监测产品有哪些

3.3GZAFV-01系统的监测数据信号分析与处理3.3.1OLTC运行状态分析OLTC动作时，典型声纹振动和驱动电机电流的信号如下图3.4所示。通过分解时域内典型信号区间，可有效判断OLTC驱动电机启动、分接选择器断开、分接选择器闭合、切换开关动作、驱动电机制动等动作顺序，进而分析OLTC的运行状态。然而，以上通过典型信号分析判断OLTC的运行状态需要丰富的实践经验，为方便监测人员快速完成诊断任务，需通过多种算法更直观、准确地判断OLTC状态。GZAFV-01系统结合基于小波变换及希尔伯特变换的包络分析、基于互相关系数的重合度分析、基于小波多分辨率分解的能量分布曲线分析、基于时频分布矩阵的信号比对等多种核心算法，实现OLTC***、有效、准确的状态诊断和早期隐患监测，降低OLTC运行的故障风险。杭州GZAF-1000S系列振动声学指纹在线监测产品有哪些