各特征参量定义如下：(1)分合闸动作时间：驱动电机启动至停止时长，根据电机电流的变化来获取时间。(2)电机电流峰值：电流出现后的瞬态过程中，电流的***个大半波的峰值。(3)电机电流燃弧时间：电流停止末端，电流变小后又增大，直至电流归零的持续时间。(4)电流抖动：电机在驱动连杆时，电流不稳定状态称为电流抖动。(5)振动高幅值关键特征:捕获的一些振动幅值比较大的时间点。(6)振动脉动关键特征:振动信号经过小波滤波后，时域及频域的分布特性。GZAF-1000T系列变压器/电抗器振动声学指纹监测系统基本功能。杭州便携式一体机振动供应
OLTC故障模式：传动轴断裂、选择开关触头接触不良、操控机构失灵造成的拒动和滑档现象、限位开关失灵、切换开关拒切、中止或动作滞后、内部紧固件松动和脱落、以及内部渗漏等。机械故障是OLTC的主要故障类型，它可损坏OLTC和变压器，影响电力系统的正常安全运行并造成严重后果。因此对OLTC带电运行中的机械性能进行在线监测，可预知故障可能性和判别故障类型，对电力系统安全运行具有重要的现实意义。
变压器故障中有40%的事故是由于OLTC故障引起的。目前对OLTC状态监测采用的是停电检修的方式，根据一定的状态检修周期，对OLTC进行大规模的部件检查、清洗和更换，但是停电检修存在着以下很明显的缺陷：◆必须中断供电，影响同户用电，造成一定的经济损失。◆在状态检修周期间隔阶段，OLTC的故障不易发现，引起供电事故的可能性大。◆传统停电检修方式对OLTC工作顺序发生变化的故障无法监测，如切换开关等部件的动作顺序和时间配合是否正确，以及切换过程是否存在卡塞和触头切换不到位等。 智能化振动销售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。
主要意义如下：6.1采用带电监测/在线监测方式，不影响主设备正常运行，降低了电网风险；6.2减少了人员进站检查的运维成本；6.3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；6.4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，提高在线监测的准确度。6.5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；6.6符合智慧变电站建设原则，本系统的IED具备边缘计算能力，就地采集并处理声纹振动及融合其它信号，完成分析计算后根据传输层要求统一通讯接口及数据结构，根据平台层及应用层要求上传分析结果。
4.1.9智能分析功能：软件内置典型故障特征的数据库，可与监测数据进行比对，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；也可添加新监测数据，方便后期横向、纵向比较；可将同一厂家同一型号的正常监测数据导入保存，便于对该厂家、型号的变压器监测数据曲线进行比对分析。4.1.10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。4.2智慧化功能4.2.1具备边缘计算能力，就地采集并处理声纹振动信号及驱动电机电流信号，完成OLTC信号包络、ATF图谱等分析，完成绕组及铁芯振动信号频谱分析及参数计算，根据传输层要求统一通讯接口及数据结构，根据平台层及应用层要求上传分析结果。杭州国洲电力科技有限公司振动监测标准。
如下图14(b)所示，基于声纹振动信号的频域分布，提取峰值频率、总谐波畸变率、基频能量比、互相关系数特征参量，以作为变压器运行状态的分析参数。各特征参量定义及解释如下：(1)峰值频率：频谱图中比较大幅值对应的频率值。(2)总谐波畸变率(TotalHarmonicDistortion,THD)：所有50Hz整数倍谐波分量的有效值与基频100Hz分量有效值的比值，计算公式如下公式1所示：公式1：总谐波畸变率计算公式公式1中V1为100Hz基频分量有效值，Vi为各谐波分量有效值，i为频率索引值。正常状态下，由于100Hz基频分量为振动频谱图的主要成分，总谐波畸变率应较小；存在故障时，谐波分量增加且峰值频率发生偏移，总谐波畸变率变大。GZAFV-06T型便携式变压器声纹振动 监测与诊断系统概述。高压开关振动声纹价格查询
国洲电力变压器振动监测系统使用方法。杭州便携式一体机振动供应
4.2.2具备实物ID管理功能，提供OLTC、绕组及铁芯运行状态信息链接入口，可扫码读取设备在线监测历史数据及趋势。通过扫码或RFID识别设备，读取设备ID信息，通过站内网络（4G/5G/WIFI）传输给云端服务器，向服务器请求该设备的详细信息，以及详细的运行状态，测试信息等。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*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。 杭州便携式一体机振动供应
