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。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。推荐振动操作
其中，l**信号递归图中斜对角线的长度，P(l)**对角线长度为l的对角线的条数，Im**斜对角线的最小长度。DET值是一个介于0和I之间的数，对于正常运行的GIS而言，其机械结构确定性很高，其DET值接近1。(6)能量相似度(EDR):能量相似度分析用于衡量不同负载条件下各个监测点的振动能量相似性,振动能量分布特性的改变能够反映GIS内部机械结构的变化，其定义的公式如下：EDR=1Mi=1Mvi-μ×100%其中，vi为各频率信号归一化能量，μ为能量平均值。能量相似度分析通过对比测量信号的能量与目标能量差异来判断GIS振动是否异常。当某个测点的EDR值突然变大，这意味着该测点附近的机械结构可能出现异常。电力振动监测器GZAF-1000T系列变压器/电抗器振动声学指纹监测系统。
GZAFV-01系统已成功应用于智能变电站、智慧变电站及数字化变电站等示范项目(已经投运的廊坊特高压站、济南商西站、青岛顾家站和胜利站、泰安天平站等)，实现大型变压器全振动在线监测与故障诊断，有效地提高设备运行可靠性。同时，我公司积极与各科研院所(南网电科院、广西电科院、冀北电科院、山东电科院、江苏电科院、浙江电科院)、供电公司(冀北、山东、山西、江苏、宁夏等地的省检)、变压器制造商(山东电力设备制造厂、江苏华鹏变压器厂、南通的韩国晓星变压器厂、杭州钱江变压器厂等)、OLTC制造商（上海华明的遵义长征厂区、德国MR等）、变电站综合监测系统平台承建商(国网智能、南瑞科技、长园深瑞等)开展合作，不断丰富各型号变压器的声纹振动信号样本数据库。
变压器在生产、运输、安装过程中或在短路电流作用下，均会使绕组及铁芯压紧程度降低，绕组及铁芯故障分别约占变压器整体故障的36%和4%，对变压器抗短路电流冲击能力及安全稳定运行产生巨大威胁。绕组故障主要包括绝缘老化、受潮、匝间或绕组间短路、断路及机械损伤等，以上故障类型均可能导致绕组变形。传统的绕组变形监测方法有低压脉冲法(LVI)、频率响应分析法(FRA)和短路阻抗法(SCI)，以上方法*适用于离线或停电监测。铁芯典型故障包括压铁松动、接地不良、夹件松动或损伤，常用监测方法包括绝缘电阻测试及接地电流监测。GZAF-1000T系列变压器/电抗器振动声学指纹监测系统包络分析。
数据采集装置安装在密封箱体内，在线型的挂壁式主机使用强力磁铁吸附在变压器的外壁（如下图6B所示），同时磁铁外侧涂抹强力胶水加强粘合。本系统的各类传感器、通信模块和前端主控单元统一采用220V供电方式。数据采集装置防护箱的外部设有5个防水接口，分别是声纹和振动信号传感器接入孔防水接口、电流信号接入防水接口、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、振动信号、声纹信号、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。杭州国洲电力科技有限公司振动声学指纹监测技术报表生成功能。推荐振动操作
GZPD-16 型特高频局部放电监测子系统。推荐振动操作
3.2.3云平台服务器各项监测的数据经现场的数据采集装置通过4G/5G无线传输模组（或电力光纤专网）传送至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的查看系统监测与诊断内容，对变压器进行运行状态的监测与诊断分析。云平台系统结构图如下图7所示，采用B/S结构（浏览器/服务器模式），提供本系统的数据深度计算、存储及浏览器查看服务，便于管理。3.3信号分析与处理3.3.1OLTC运行状态分析OLTC动作时，典型声纹振动和驱动电机电流的信号如下图8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。推荐振动操作
