数据采集装置安装在密封箱体内，在线监测型挂壁式主机使用强力磁铁吸附在变压器/电抗器的外壁（如下图5B所示），同时采集箱外侧涂抹胶水粘合。系统各种传感器、通信模块和前端主控单元统一采用220V供电方式。采集箱外部设有5个防水接口，分别为振动传感器接入孔防水接口、电流信号防水接口、电源线缆防水接口、USB信号防水接口、采集箱进出线孔，安装防水接头、机械振动信号、电流信号引入线缆孔安装双防12-PG13.5接头、通信引入线缆采用PG16型防水接头，并内外两边涂胶处理，进入双防接头之前的线缆均套金属保护管，采集箱内部接线端子做密封保护，确保采集箱内部整体密封。GZAF-1000T系列变压器(电抗器)振动声学指纹监测频谱分析。变压器振动声学指纹在线监测监测文章
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。国产振动声学指纹在线监测监测示意图GZAF-1000S系列高压开关振动声学指纹监测系统概述。
云平台服务器：数据经现场采集装置采集后，通过4G/5G无线传输模组（或电力光纤专网）传送至电力设备监测及诊断技术的“中国智造者”第10页共29页云服务器进行存储及深度计算，远端通过浏览器登录云服务器可随时随地查看系统监测内容，对变压器/电抗器进行运行监测及诊断分析。云平台系统结构图如下图6所示，采用B/S结构（浏览器/服务器模式），提供监测系统的数据深度计算、存储及浏览器查看服务，便于管理。信号分析与处理有载分接开关运行状态分析
系统功能3.4.1基本功能支持多通道信号同步实时地采集、显示及分析；具有时间触发和电流触发功能，可手动选择信号触发方式；可将任意两次测量的图谱进行相似度分析，并自动计算图谱的重合度；具有先进的能量谱分析功能，并能自动识别能量谱比较大的高低频能量频率；独有的信号处理功能，生成振动声学指纹信号ATF图（**算法，**所有），更直观、更便捷分析有载分接开关及绕组和铁芯的运行状态；具有绕组及铁芯振动声学指纹信号频谱分析功能，自动识别峰值频率偏移及谐波增量，实时分析绕组及铁芯运行状态；振动声学指纹信号和电流信号历史数据曲线趋势功能；信号阈值告警功能，软件自动分析信号增长趋势，实现自动告警，也可手动设置告警阈值，支持短信告警；GZAF-1000T系列变压器(电抗器)振动声学指纹监测运行状态告警。
数据采集装置GZAF-1000T系列变压器/电抗器振动声学指纹监测系统的数据采集装置由采集模块、信号处理模块、电源模块、USB接口、4G/5G信号传输模块等组成。采集模块实现6路机械振动信号及1路驱动电机电流信号采集，信号处理模块实现信号放大、信号滤波、信号检波及A/D转换等功能。利用系统电路设计对采集的振动信号和电流信号进行处理，保证信号的有效性和可靠性，将处理后的模拟信号经A/D转换成数字信号，便于主机系统进行数据处理分析。电源模块包括电源输入（220V）及降压转换，为数据采集装置供电。USB接口用于现场信号获取、调试；4G/5G模块用于信号采集处理后的远端后台的信号传输。数据采集装置示意图及参数分别如下图4和下表2所示。GZAF-1000S系列高压开关振动声学指纹监测系统技术说明。变压器振动声学指纹在线监测监测文章
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功能特性。变压器振动声学指纹在线监测监测文章
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。变压器振动声学指纹在线监测监测文章
