杭州国洲电力科技有限公司，专注于综合智慧能源服务领域内发、输、变、配、用、储等全过程的各主设备参量监测、数据分析和状态评价技术的研制，致力于为领域内的各科研院所、专业院校、设备管理、工程服务、发电、设备制造等合作方提供前列的解决方案。我公司于2014年1月把研发部、生产部和技术服务部融合打造成“技术智造中心”，并在研发部组建了专注于局部放电监测技术和振动声学指纹监测技术的两个技术组，成功研制出自主知识产权的、先进的局部放电和振动声学指纹监测技术，且至今已在合作方的实验室、投运站场、制造厂区上大量运用多年，为综合智慧能源服务领域中电网的可靠运行提供了逐年增长的先进的、高效的技术支持。GZAF-1000T系列变压器(电抗器)振动声学指纹监测重合度对比。杭州研制的振动声学指纹在线监测重合度对比
(3)频谱互相关系数(r)：正常状态与实时测得振动信号频谱图之间的相似度，计算公式如下：=[−−[−[−2其中和分别为正常状态与实时测得振动信号的频域分布，平均值，互相关系数范围为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。(4)频率复杂度(FCA)：频率复杂度的定义与信息熵类似，频率成分越复杂，对应的频率复杂度特征量越大，计算公式为：=−ln =其中f=100,200,…,2000Hz,f的谐波比重值。杭州研制的振动声学指纹在线监测重合度对比GZAF-1000T系列变压器(电抗器)振动声学指纹监测频谱分析。
结合变压器/电抗器的带电检测、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*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/电抗器地振动声学指纹频谱时，系统可以自动去查询变压器/电抗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/电抗器可能存在绕组变形地异常。
Q/GDW383智能变电站技术导则；Q/GDWZ410高压设备智能化技术导则；Q/GDWZ414变电站智能化改造技术规范；Q/GDW561输变电设备状态监测系统技术导则；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；Q/GDW1168-2013输变电设备状态检修试验规程；JB/T8314分接开关试验导则；国家电网公司变电检测管理规定（试行）第11分册机械振动检测细则；IEC60214.1Tap-changersPart1:PerformanceRequirementsandTestMethods；IEC60214.2Tap-changersPart2:ApplicationGuidelines；IEEEC57.131IEEEStandardRequirementsforTapChanger；IEEEC57.139IEEEGuideforDissolvedGasAnalysisinTransformerLoadTapChangers；IEEEC57.143IEEEGuideforApplicationforMonitoringEquipmenttoLiquid-ImmersedTransformersandComponents；CIGREWorkingGroupA2.34GuideforTransformerMaintenance。GZAF-1000T系列变压器(电抗器)振动声学指纹监测系统相关标准。
一、概述变压器在电力系统中起到电压变换、电能分配等重要作用，其安全稳定运行对确保供电可靠性具有重要意义。有载分接开关、绕组及铁芯是变压器/电抗器的重要组成部分，三者的故障率总和占变压器/电抗器整体故障的70%左右，而传统预防性检修方法具有试验周期长、影响变压器正常运行、耗费人力物力等缺点。开展基于声学指纹的状态监测，可在在线状态下及时发现变压器/电抗器有载分接开关、绕组及铁芯的潜在故障，并及时预警，从而延长变压器使用寿命，提高电网运行的可靠性。有载分接开关（On-LoadTapChanger,OLTC）是在励磁状态下，通过改变绕组分接位置实现电网的有载调压，起到稳定负载电压、调节无功潮流、增加电网灵活度等重要作用。它是调压变压器中***的可动部件、关键部件之一。国际大电网委员会(GIGRE)等国内外统计结果表明，有载分接开关故障占变压器总体故障的30%以上，各类故障影响变压器及整个电网的安全稳定运行，严重时更会导致大面积停电、电气火灾等事故。GZAF-1000T系列变压器(电抗器)振动声学指纹监测传感器。杭州研制的振动声学指纹在线监测重合度对比
GZAF-1000T系列变压器(电抗器)振动声学指纹监测运行状态告警。杭州研制的振动声学指纹在线监测重合度对比
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。杭州研制的振动声学指纹在线监测重合度对比
