采用1路电流传感器获取有载分接开关驱动电机电流信号，电流传感器安装于驱动电机电源线处。采用3路振动传感器检测变压器/电抗器绕组及铁芯运行状况，传感器通常选取于上夹件底部、非冷却器侧油箱表面中部及油箱顶部中心点。为保持检测点的同一性，便于后期历史数据对比，建议所有振动传感器底座长期固定在变压器/电抗器外壁上。传感器安装示意图如下图3所示，变压器/电抗器声学指纹监测系统所有传感器单元均与变压器/电抗器本体无电气连接，安装简单方便，适用于在线监测或带电检测。（注：传感器数量及安装位置可根据具体技术规范或方案调整。）GZAF-1000S系列高压开关振动声学指纹监测系统--GIS及敞开式的隔离开关监测技术背景。振动声学指纹在线监测重合度对比
振动声学指纹监测技术的应用意义我公司基于振动声学指纹监测技术研制的GZAF-1000系列监测系统适用于变压器/电抗器（绕组、有载分接开关、铁心等）、开关类（GIS、敞开式断路器、隔离开关、开关柜等）等电力设备的带电检测、在线监测与故障诊断，不影响被测设备正常运行，且与被测设备无电气连接，具有安装方便、安全、可靠等优点，主要意义如下：1、采用带电检测/在线监测方式，不影响主设备正常运行，降低了电网风险；2、减少了人员进站检查的运维成本；3、监测方式与设备无电气连接，具有安全、可靠、安装方便等优点；4、采用独特的时域分析、包络分析、重合度对比、时频矩阵分析等方法，并提峰值频率、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等特征参量，提高在线监测准确度。5、内置基于海量样本的大数据和人工智能技术而建立的专家分析型数据库，可真实反应设备运行状态，有效诊断绕组变形、机械卡涩、触头磨损、电动机构拒动等故障程度和类型；6、符合智慧变电站建设原则，监测系统的IED具备边缘计算能力，就地采集并处理振动声学指纹及其它信号。杭州GZAF-1000S系列振动声学指纹在线监测分析GZAF-1000T系列变压器(电抗器)振动声学指纹监测系统相关标准。
系统功能：智能分析功能：系统软件内置海量故障特征的数据库，可与测得的数据进行比对，通过信号波形、时间长度和幅值等特征值，诊断分析故障类型；也可添加新测得的数据，方便后期横向、纵向比较；软件可将同一厂家同一型号的正常检测数据进行导入保存，便于对该厂家、型号的变压器数据曲线进行比对分析；具有报表分析功能，自动计算并保存重合度、动作时间、能量分布、电流最大值、电流平均值、绕组及铁芯振动峰值频率、总谐波畸变率、基频能量比、互相关系数等特征参量，并生成分析报表。
有载分接开关运行状态分析：有载分接开关动作时，典型振动声学指纹和驱动电机电流的信号如下图7所示。通过分解时域内典型信号区间，可有效判断分接开关驱动电机启动、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，进而分析分接开关的运行状态。然而，以上通过典型信号分析判断分接开关的运行状态需要丰富的实践经验，为方便检测人员快速完成诊断任务，需通过多种算法更直观、准确地判断开关状态。变压器/电抗器声学指纹监测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对比等多种**算法，实现有载分接开关***、有效、准确的状态诊断和早期故障监测，降低变压器/电抗器运行的故障风险。GZAF-1000T系列变压器(电抗器)振动声学指纹监测基本功能。
变压器/电抗器运行时，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硅钢片接缝处与叠片之间的漏磁导致铁芯振动。由于绕组导体所受电动力正比于负载电流的平方，绕组振动信号的基频为100Hz。由于变压器/电抗器中磁感应强度正比于加载电压的平方，铁芯振动信号的基频也为100Hz。另外，考虑到铁芯振动的非线性特性，振动信号还会包含频率为100Hz整数倍的高次谐波。当变压器/电抗器的绕组变形或铁芯故障后，振动信号频谱分布将发生改变，产生谐波分量。因此，振动信号分量可以作为区别绕组变形故障与铁芯故障的重要依据，采用振动分析法可实现绕组及铁芯的故障诊断。GZAF-1000T系列变压器(电抗器)振动声学指纹监测系统技术方案。杭州振动声学指纹在线监测产品有哪些
GZAF-1000S系列高压开关振动声学指纹监测系统--GIS本体监测技术背景。振动声学指纹在线监测重合度对比
现场图样GZAF-1000S系列高压开关振动声学指纹监测系统包括便携型带电检测（分体机的如下图4C、一体机的如下图4D）、固定型在线监测（标准1U式的如下图4E、壁挂式监测单元的如下图4F）等机型。其中，便携式一体机结构轻巧，适用于高压开关的带电检测及定期检修，标准监测单元与壁挂式监测单元适用于高压开关类设备的长期在线监测与故障诊断。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对比开展智能分析，更直观、快速地判断电力设备运行状态。为量化信号重合度对比，GZAF-1000S监测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互相关系数接近1时，实时采集的信号接近正常运行状态；当互相关系数接近0时，被测设备可能存在故障。下图1所示为正常状态与异常状态时，GIS本体振动声学指纹信号时域波形及频域谱图：振动声学指纹在线监测重合度对比
