技术背景GIS运行时，电流通过高压导体时产生的电动力引起振动，由于导体所受电动力正比于负载电流的平方，GIS本体振动产生的声纹振动信号的基频为100Hz。当存在机械故障时，声纹振动信号的频谱分布将发生改变，产生谐波分量。GIS本体机械型缺陷主要是指内部存在开关触头接触异常、导电杆接触不良、母线卡簧松动、屏蔽罩松动等异常时，在交变电场作用下发生异常振动，长期振动可能导致导电杆和绝缘件松动，易造成绝缘事故。异常振动还可能造成SF6气体泄漏，损坏绝缘子和绝缘支柱，影响外壳接地牢固，危及GIS运行安全。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国际合作案例。智能振动声学指纹在线监测监测文献
3.3.2绕组及铁芯运行状态分析下图3.10a为变压器运行时绕组及铁芯的声纹振动时域信号。为更直观地分析绕组及铁芯运行状态，采用频域法分析声纹振动信号。如下图3.10b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作为分析参数。各特征参量定义及解释如下：
3.3.2.1峰值频率：频谱图中比较大幅值对应的频率值。3.3.2.2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：THD=i=0nVi2V1，其中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 校验振动声学指纹在线监测常用知识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节能效益分析。
7.2技术服务7.2.1现场电气作业我公司按照购买合同约定的时间交货后，派遣由GZAFV-01系统现场电气作业管理经验丰富的工程师带领多位电气作业工程师组建的项目部按照甲方指定的时间和地址开展GZAFV-01系统的安装、调试和投运等现场电气作业。GZAFV-01系统投运并经甲方验收合格后，由甲方出具验收合格报告。详见独册的《杭州国洲电力科技有限公司关于电力设备在线监测系统现场安装、调试项目的现场作业指导书（范本）》附件。7.2.2二十四小时热线电话支持服务我公司设有专门的24h服务热线提供电话支持服务。GZAFV-01系统在运行中出现技术故障，可以通过拨打服务热线向我公司提供故障情况、服务时间等详细信息，我公司将在2h内出具解决方案给予响应。
二、相关标准（遵循但不限于下列标准）2.1GB/T4208外壳防护等级（IP代码）。2.2GB/T10230.1分接开关第1部分：性能要求和试验方法。2.3GB/T10230.2分接开关第2部分：应用导则。2.4DL/T265变压器有载分接开关现场试验导则。2.5DL/T574变压器分接开关运行维修导则。2.6DL/T846.8-2017高电压测试设备通用技术条件第8部分有载分接开关测试仪。2.7DL/T860变电站通信网络和系统。2.8DL/T1430变电设备在线监测系统技术导则。2.9DL/T1432.1变电设备在线监测装置检验规范第1部分：通用检验规范。2.10DL/T1538电力变压器用真空有载分接开关使用导则。2.11DL/T1540油浸式交流电抗器（变压器）运行振动测量方法。2.12DL/T1694.2高压测试仪器及设备校准规范第2部分：电力变压器分接开关测试仪。2.13DL/T1805电力变压器用有载分接开关选用导则。2.14Q/GDW383智能变电站技术导则。GZAFV-01型声纹振动监测系统（开关设备）智能评估和故障预警。
变压器运行时，电流通过绕组时产生的电动力引起绕组振动，硅钢片的磁致伸缩及硅钢片接缝处与叠片之间的漏磁导致铁芯振动。由于绕组导体所受电动力正比于负载电流的平方，绕组的声纹振动信号的基频为100Hz。由于变压器中磁感应强度正比于加载电压的平方，铁芯的声纹振动信号的基频也为100Hz。另外，考虑到铁芯振动的非线性特性，声纹振动信号还会包含频率为100Hz整数倍的高次谐波。当变压器的绕组变形或铁芯故障后，声纹振动信号频谱分布将发生改变，产生谐波分量。因此，信号分量可以作为区别绕组故障与铁芯故障的重要依据，采用声纹振动监测法可实现绕组及铁芯在线运行状态下的健康态势评价与故障类型诊断。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行业影响力。本地振动声学指纹在线监测技术指导
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安全性设计。智能振动声学指纹在线监测监测文献
3.3GZAFV-01系统的监测数据信号分析与处理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3.4所示。通过分解时域内典型信号区间，可有效判断OLTC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OLTC的运行状态。然而，以上通过典型信号分析判断OLTC的运行状态需要丰富的实践经验，为方便监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OLTC状态。GZAFV-01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比对等多种核心算法，实现OLTC***、有效、准确的状态诊断和早期隐患监测，降低OLTC运行的故障风险。智能振动声学指纹在线监测监测文献
