3.2.2感知层的IED/主机GZAFV-01系统的IED/主机由采集模块、处理模块、电源模块、USB接口、通信模块等组成。◆采集模块：实现6路声纹振动信号、1路电流信号的采集。◆处理模块：实现信号的放大、滤波和检波及A/D转换等功能，利用硬件对采集的信号进行处理，保证信号的有效性和可靠性，再将处理后的模拟信号经A/D转换成数字信号，便于IED/主机进行数据处理分析。◆电源模块：包括220V/AC电源的输入及降压转换，为IED/主机供电。◆USB接口：用于现场信号获取、调试。◆通信模块：用于向远端平台层的监测数据传输、操控指令接收。杭州国洲电力科技有限公司的企业愿景与使命。质量振动声学指纹在线监测监测图谱

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。本地振动声学指纹在线监测常见问题GZAFV-01型声纹振动监测系统（开关设备）设计和性能优化。

GIS是当今输电网络中一种应用***的电气设备。通过将变电站中断路器、隔离开关、接地开关、PT、CT、避雷器、连接母线、电缆终端、进出线套管等一次设备经过优化设计并有序地结合为整体，在金属壳内封装起来，内部充SF6气体作为灭弧和绝缘介质组成的封闭组合电器。与传统的敞开式相比较，GIS具有占地面积小、可靠性高、安全性强、运行维护工作量很小等优点，因而被大量使用在重要负荷、枢纽变电站中。但由于其采用全封闭结构，一旦发生故障，影响范围大并且难以准确定位及快速抢修，将会带来严重的经济损失。随着GIS逐步在特高压输电网络推广应用，设备故障所造成的影响将进一步加大。近年来，国家电网公司状态检修工作不断深化，对设备可靠性的要求不断提高，及时、有效发现GIS内部潜伏性缺陷，保证GIS安全稳定运行、合理安排检修周期成为状态检修模式下的当务之急。

功能特性◆IED/主机具备多个点位开展实时连续性或周期性的监测GIS本体声纹振动信号，向平台层操控计算机传送监测数据开展智能分析，操控及监测数据分析软件实时展示分析结果和预警信息。◆具有比对分析功能：可将现测的与同规格被试品/历史的监测数据进行横向/纵向比对分析。◆具有断电不丢失存储数据、复电自动启动/复位功能，可连续实时监测、存储及导出1年以上数据。◆具备声纹振动信号时域波形展示、频谱分析(基频为100Hz)功能，可自动提取峰值频率、总谐波畸变率、频谱互相关系数、频率复杂度、振动平稳性、能量相似度、振动相关性等特征参量，以作为GIS运行状态分析参数，用户可设置报警阈值。◆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：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实际应用价值。

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。变压器运行时，电流通过绕组时产生的电动力引起绕组振动，硅钢片的磁致伸缩及杭州国洲电力科技有限公司的企业简介与主要技术优势。杭州国洲电力振动声学指纹在线监测安装

杭州国洲电力科技有限公司振动声学指纹在线监测服务的全流程支持。质量振动声学指纹在线监测监测图谱

从振动和声学数据中提取有用的特征，以便建立设备的声学指纹，通常会用到以下信号处理技术：傅里叶变换（FFT）：用于分析信号在频域中的特性，可以识别出设备运行时的固有频率和谐波成分。短时傅里叶变换（STFT）：与FFT相比，STFT能够展示信号随时间变化的频率特性，适用于非平稳信号的分析。小波变换：具有良好的时频局部化特性，能够在多尺度上分析信号，适合捕捉瞬态事件和局部特征。包络检测：用于提取振动信号的振幅包络，可以用来表示信号的动态特性。频谱分析：通过计算信号的功率谱密度（PSD）或幅值谱，可以识别出信号的频率成分和能量分布。时频分析方法：如Wigner-Ville分布、Choi-Williams分布等，这些方法能够提供信号的时频表示，有助于分析复杂非线性和非平稳信号。模态分析：通过识别设备振动的模态特性，可以提取出与设备结构和损伤相关的特征。熵分析：如时域熵、频域熵或小波熵，这些方法可以量化信号的不确定性和复杂性，有助于识别设备状态的变化。统计分析：包括均值、方差、标准差等统计参数，可以描述信号的波动性和稳定性。高阶统计量：如偏度和峰度，它们可以提供信号分布形状的信息，有助于识别异常模式。质量振动声学指纹在线监测监测图谱