15、DL/T1700隔离开关及接地开关状态检修导则；16、Q/GDW383智能变电站技术导则；17、Q/GDWZ410高压设备智能化技术导则；18、Q/GDWZ414变电站智能化改造技术规范；19、Q/GDW561输变电设备状态监测系统技术导则；20、Q/GDW1535变电设备在线监测装置通用技术规范；21、Q/GDW739输变电设备状态监测主站系统变电设备在线监测I1接口网络通信规范；22、Q/GDW1168-2013输变电设备状态检修试验规程；23、Q/GDW11058变电设备在线监测系统综合监测主机/IED技术规范；24、南方电网公司年新技术应用指南（2018年版）：变电设备运维检修技术--声学指纹技术；25、国家电网公司变电监测管理规定（试行）第11分册机械振动监测细则；26、国家电网公司智能组合电器技术规范；27、国家电网公司变电监测通用管理规定第38分册断路器机械特性监测细则。GZOLM-1000G 系列特高压GIS 多参量监测与融合评价系统服务总则。高压开关振动监测故障诊断
4.3GZWS-03L型SF6气体综合监测子系统GIS采用SF6作为绝缘和灭弧介质，而SF6一旦发生泄漏或绝缘性能下降就将严重威胁其安全运行，实施SF6气体在线监测对确保GIS安全稳定运行具有重要意义。SF6气体监测单元主要功能特性如下：具备SF6气体压力、温度、密度及湿度实时监测功能，并可检测SO2、H2S和CO三种SF6气体分解产物；具备数据自动采集、本地存储、信号远传、趋势分析及展示、异常报警（包括监测数据超标、监测功能故障和通信中断）功能；具有断电不丢失存储数据、复电自启动、自复位的功能，可连续监测、存储及导出1年以上数据；用户可定义设置报警与闭锁门限值；采用全封闭设计，外形独特美观，传感器、电源、数据输出电路和监测显示器安装在同一机壳内；具备自动和手动两种工作模式；在自动模式下，监测动态数据刷新时间间隔可设定，**小可设定值不高于15分钟；在手动模式下，可即时启动测量。高压开关振动监测故障诊断GZMOA-1000L 型金属氧化物避雷器监测子系统。
长园深瑞等)开展合作，不断丰富各型变压器的声纹振动样本数据库。GZAFV-06T型系统包括便携式带电监测与诊断型（分体机的如下图25C、一体机的如下图25D）、固定式在线监测与诊断型（标准1U式的如下图25E、壁挂式监测与诊断单元的如下图25F）等机型。其中，便携式一体机结构轻巧，适用于带电检测，标准单元与壁挂式单元适用于长期在线监测与重症监护。7.1 2020年10月20日，我公司荣获国家电网公司设备部的邀请，参与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专家们做了《振动声学指纹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，荣获与会的领导和专家们的高度认可，如下图26所示。
(3)基频信号能量比（E）：100Hz基频分量时域信号能量占信号总能量的比值，计算公式如下公式2所示：公式2：基频信号能量比计算公式公式2中S1为100Hz基频分量的时域信号，Sj为原始信号，j为采样索引值。正常状态下，由于100Hz基频分量为声纹振动频谱图的主要成分，基频信号能量比应较大；存在故障时，谐波分量增加且峰值频率发生偏移，基频信号能量比变小。(4)相关系数(r)：正常状态与实时测得声纹振动信号频谱图之间的相似度，计算公式如下公式3所示：公式3：相关系数计算公式公式3中Xi和Yi分别为正常状态与实时测得声纹振动信号的频域分布，X和Y为对应信号的平均值，相关系数范围为0~1。正常运行时，相关系数应接近于1；存在故障时，信号频率分布发生改变，互相关系数减小。杭州国洲电力科技有限公司振动声学指纹监测信号重合度分析。
3.4GIS及开关柜的断路器监测3.4.1技术背景断路器在电力系统中起到保护和控制作用，它根据供电系统运行的需要来可靠地投入或切除相应的线路或电气设备，以确保电力系统安全运行。实现对断路器的在线监测，准确得知断路器的工作状态和故障部位，可以有效减小维护工作量，增强检修的针对性，显著提高供电系统可靠性和经济性。振动声学指纹信号、线圈分合闸电流、储能电机电流、行程及分合闸位置是断路器在线监测中非常重要的参数，是衡量断路器性能优劣的重要指标，因此通过在线监测系统准确提取振动声学指纹、分合闸电流、储能电机电流、行程及分合闸位置特征值，对判断断路器的健康状态具有重要意义。什么是声学指纹振动监测？智能振动监测机构
杭州国洲电力科技有限公司变压器/电抗器振动声学指纹监测系统传感器。高压开关振动监测故障诊断
4.2.3根据各时频信号相关系数、能量分布曲线特征参量（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疑似机械故障类型。图16基于声纹振动法的故障诊断4.2.4结合变压器的带电检测、智能巡检以及其他在线监测的状态量，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*提高了疑似故障识别的准确性，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的诊断可结合负荷、损耗、绕组机械振动信号、油温、以及历史电流电压情况分析，在监测到变压器的声纹振动频谱时，系统可以自动去查询变压器的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的异常。高压开关振动监测故障诊断
