7.2技术服务7.2.1现场电气作业我公司按照购买合同约定的时间交货后，派遣由GZAFV-01系统现场电气作业管理经验丰富的工程师带领多位电气作业工程师组建的项目部按照甲方指定的时间和地址开展GZAFV-01系统的安装、调试和投运等现场电气作业。GZAFV-01系统投运并经甲方验收合格后，由甲方出具验收合格报告。详见独册的《杭州国洲电力科技有限公司关于电力设备在线监测系统现场安装、调试项目的现场作业指导书（范本）》附件。7.2.2二十四小时热线电话支持服务我公司设有专门的24h服务热线提供电话支持服务。GZAFV-01系统在运行中出现技术故障，可以通过拨打服务热线向我公司提供故障情况、服务时间等详细信息，我公司将在2h内出具解决方案给予响应。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标准化实施路径。便携式声纹振动声学指纹在线监测规格

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。目前针对GIS较成熟的监测方法，主要有电气法、声测法及化学分析法三大类，以上监测方法均针对的是放电性故障所产生的电磁、声、光、电弧分解产物等物理量。但在GIS的运行中，除了放电性故障之外，机械性故障也是导致事故发生的一大主要原因，当GIS存在开关触头接触异常、壳体对接不平衡、导杆轻微弯曲等缺陷时，在开关操作的机械力、负载电流产生的交变电动力等因素的作用下会产生机械性运动，造成设备异常振动。GIS的异常振动对其本体有很大危害，会造成SF6气体泄露、盆式绝缘子和绝缘支柱损伤、外壳接地点悬浮等缺陷，长期发展可能导致绝缘事故的发生。因此，加强对GIS机械性故障的监测，是保证GIS安全运行的重要手段。声纹振动声学指纹在线监测监测参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技术突破点。

目前针对GIS较成熟的监测方法，主要有电气法、声测法及化学分析法三大类，以上监测方法均针对的是放电性故障所产生的电磁、声、光、电弧分解产物等物理量。但在GIS的运行中，除了放电性故障之外，机械性故障也是导致事故发生的一大主要原因，当GIS存在开关触头接触异常、壳体对接不平衡、导杆轻微弯曲等缺陷时，在开关操作的机械力、负载电流产生的交变电动力等因素的作用下会产生机械性运动，造成设备异常振动。GIS的异常振动对其本体有很大危害，会造成SF6气体泄露、盆式绝缘子和绝缘支柱损伤、外壳接地点悬浮等缺陷，长期发展可能导致绝缘事故的发生。因此，加强对GIS机械性故障的监测，是保证GIS安全运行的重要手段。

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。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用户定制化服务。

3.3.1.1信号包络分析为提高在线监测的准确度，GZAFV-01系统的IED/主机通常采用高采样率获取声纹振动及驱动电机电流的信号，然而大量的数据不利于快速、准确存储与分析。因而采用包络分析，简化并反映原始信号特征，便于后续分析与处理。传统希尔伯特变换进行包络分析时存在提取深度不足、存在幅值偏差等问题，因此采用小波变换和希尔伯特变换结合的信号包络分析。声纹振动和电流的信号包络分析如下图3.5所示。

3.3.1.2信号包络重合度比对分析如下图3.6所示，信号包络分析后可快速实现历史信号重合度比对分析，更直观地判断OLTC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。当实时采集的与正常状态的信号包络互相关系数：◆接近1时，OLTC接近正常运行状态?！艚咏?时，OLTC可能存在故障。 杭州国洲电力科技有限公司的企业荣誉与资质认证。有载开关声纹振动声学指纹在线监测监测参数

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主要特性解析。便携式声纹振动声学指纹在线监测规格

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。 便携式声纹振动声学指纹在线监测规格