(2)重合度对比如下图10所示，包络分析后可快速实现历史信号重合度对比分析，更直观的判断OLTC运行状态。为量化信号重合度对比，系统引入相关系数的计算。当实时采集信号包络曲线与正常状态包络曲线相关系数接近1时，实时采集的信号接近正常运行状态；当相关系数接近0时，OLTC可能存在故障。图10信号重合度分析(3)能量分布曲线基于小波变换的声纹振动信号多分辨率分析的结果如下图11所示。原始信号经8层分解后产生第8层的近似分量和第1层至第8层的详细分量，计算各层详细分量信号能量，可获得信号能量分布曲线。对比正常状态与异常状态能量分布曲线，可判断OLTC运行状态，并提取互相关系数、最大值、平均值、峰度、偏度作为状态诊断特征参量。图12为正常状态与异常状态声纹振动信号能量分布曲线对比。杭州国洲电力科技有限公司振动声学指纹在线监测技术系统的多功能集成。变压器振动监测供应商排名
GZAFV-01T子系统的原理◆监测原理OLTC在切换的过程中伴随着机械振动，在线监测技术主要利用AFV和驱动电机电流的信号分析法综合对OLTC状态进行诊断。根据AFV信号波谱的异常分析其状态，结合驱动电机电流分析技术，监测能够覆盖档位联接、时间序列、控制继电器、驱动电机、制动器、润滑、线性、电弧、过热和焦炭、电气节点磨损、过渡阻抗等11个项目。较传统停电检修方式，在线监测法针对的故障类型更加***，而且在带电运行时也能够迅速有效反映OLTC运行状态。高压开关振动监测结构图GZAFV-06T型便携式变压器声纹振动 监测与诊断系统。
4.1.8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；4.1.9智能诊断分析功能：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，能量的异常变化分析，并可进行振动源位置分析，以及变压器内部绕组变形等故障类型的诊断分析；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监测与诊断数据进行导入保存，便于对该厂家、型号的变压器数据曲线进行比对分析；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。
能量分布曲线
基于小波变换的声纹振动信号多分辨率分析结果如下图3.8所示。原始信号经8层分解后产生第8层的近似分量和第1层至第8层的详细分量，计算各层详细分量信号能量，可获得信号能量分布曲线。比对正常状态与异常状态能量分布曲线，可判断OLTC运行状态，并提取互相关系数、最大值、平均值、峰度、偏度作为状态诊断特征参量。下图3.7为正常与异常状态的声纹振动信号能量分布曲线比对。
时频能量分布矩阵(ATF图谱)
获取声纹振动信号的时频能量分布矩阵，同时反映原始信号时域、频域特性及能量分布。将信号时频分布矩阵分为6个区间，计算各区间平均值作为特征参量，用于OLTC正常状态与异常状态比对。下图3.9为正常状态下声纹振动信号时频能量矩阵。 GZAFV-01型声纹振动监测系统（变压器、电抗器)的评价和维护建议。
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。杭州国洲电力科技有限公司相关振动监测的报告。在线振动监测操作指南
杭州国洲电力科技有限公司振动声学指纹在线监测技术的客户反馈分析。变压器振动监测供应商排名
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。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，为方便技术人员快速完成诊断任务，需通过多种算法更直观、准确的判断开关状态。变压器声纹振动监测与诊断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核芯算法，实现OLTC***、有效、准确的状态诊断和早期故障监测与诊断，降低变压器运行的故障风险。变压器振动监测供应商排名
