3.2.2感知層的IED/主機GZAFV-01系統的IED/主機由采集模塊、處理模塊、電源模塊、USB接口、通信模塊等組成。◆采集模塊：實現6路聲紋振動信號、1路電流信號的采集。◆處理模塊：實現信號的放大、濾波和檢波及A/D轉換等功能，利用硬件對采集的信號進行處理，保證信號的有效性和可靠性，再將處理后的模擬信號經A/D轉換成數字信號，便于IED/主機進行數據處理分析。◆電源模塊：包括220V/AC電源的輸入及降壓轉換，為IED/主機供電。◆USB接口：用于現場信號獲取、調試。◆通信模塊：用于向遠端平臺層的監測數據傳輸、操控指令接收。杭州國洲電力科技有限公司振動聲學指紋在線監測技術的經濟效益分析。在線聲紋振動聲學指紋在線監測指紋監測的原理

綜上所述，采用聲紋振動法監測變壓器OLTC、繞組及鐵芯的狀態，適用于帶電監測/在線監測，與變壓器無電氣連接而不影響正常運行，有安裝方便、安全、可靠等優點。我公司結合多年技術預研儲備及現場技術服務經驗，成功研制出GZAFV-01型聲紋監測系統，既有固定安裝的長期在線監測式，也有便攜式的帶電監測系統及可移動的在線重癥監護式。GZAFV-01系統由聲紋振動傳感器、驅動電機電流傳感器、數據采集裝置（在線監測式：IED，便攜/手持式：主機；下文皆用IED/主機簡稱）、云服務器、通訊單元及供電單元構成；操控及監測數據分析軟件結合包絡分析、重合度分析、小波分析、能量分布矩陣、時域信號頻譜分析等多種算法，并提取故障診斷特征參量，在線狀態下實現變壓器OLTC、繞組及鐵芯的健康態勢評價與故障類型診斷。特色服務振動聲學指紋在線監測監測圖譜GZAFV-01型聲紋振動監測系統（開關設備）智能評估和故障預警。

電力系統中的開關類設備主要包括GIS、AIS（敞開式斷路器）、GIS/敞開式的隔離開關、開關柜斷路器等。各類開關設備的材料、工藝、設計、安裝過程中的缺陷以及頻繁動作極易引起機械故障，嚴重時更會導致電氣火災、停電等事故，現有狀態檢修方式的試驗周期長、耗費人力物力、檢修效率低等缺點，較大地影響設備正常運行。GIS是當今輸電網絡中一種應用***的電氣設備。通過將變電站中斷路器、隔離開關、接地開關、PT、CT、避雷器、連接母線、電纜終端、進出線套管等一次設備經過優化設計并有序地結合為整體，在金屬殼內封裝起來，內部充SF6氣體作為滅弧和絕緣介質組成的封閉組合電器。與傳統的敞開式相比較，GIS具有占地面積小、可靠性高、安全性強、運行維護工作量很小等優點，因而被大量使用在重要負荷、樞紐變電站中。但由于其采用全封閉結構，一旦發生故障，影響范圍大并且難以準確定位及快速搶修，將會帶來嚴重的經濟損失。隨著GIS逐步在特高壓輸電網絡推廣應用，設備故障所造成的影響將進一步加大。

變壓器運行時，電流通過繞組時產生的電動力引起繞組振動，硅鋼片的磁致伸縮及硅鋼片接縫處與疊片之間的漏磁導致鐵芯振動。由于繞組導體所受電動力正比于負載電流的平方，繞組的聲紋振動信號的基頻為100Hz。由于變壓器中磁感應強度正比于加載電壓的平方，鐵芯的聲紋振動信號的基頻也為100Hz。另外，考慮到鐵芯振動的非線性特性，聲紋振動信號還會包含頻率為100Hz整數倍的高次諧波。當變壓器的繞組變形或鐵芯故障后，聲紋振動信號頻譜分布將發生改變，產生諧波分量。因此，信號分量可以作為區別繞組故障與鐵芯故障的重要依據，采用聲紋振動監測法可實現繞組及鐵芯在線運行狀態下的健康態勢評價與故障類型診斷。杭州國洲電力科技有限公司振動聲學指紋在線監測技術的用戶操作指南。

3.2.3平臺層的云服務器數據經現場傳感器采集并經過IED/主機處理后，通過通信模塊（4G/5G無線傳輸或電力光纖專網）傳送至云服務器進行存儲及深度計算，平臺層的操控計算機（含通過IEC61850通訊管理連接的遠端）可通過瀏覽器登錄云服務器隨時隨地查看監測數據，對變壓器進行運行監測及診斷分析。云服務器采用B/S結構（瀏覽器/服務器模式），提供監測數據的深度計算、存儲、瀏覽器查看等服務。

3.2GZAFV-01系統的系統架構GZAFV-01系統由感知層的聲紋振動傳感器、電流傳感器、IED/主機，網絡層的通訊管理里，平臺層的數據（云）服務器、內置操控及監測數據分析軟件的操控計算機、IEC61850通訊管理機等構成。 杭州國洲電力科技有限公司振動聲學指紋在線監測技術的節能效益分析。在線聲紋振動聲學指紋在線監測指紋監測的原理

杭州國洲電力科技有限公司振動聲學指紋在線監測技術的市場需求分析。在線聲紋振動聲學指紋在線監測指紋監測的原理

從振動和聲學數據中提取有用的特征，以便建立設備的聲學指紋，通常會用到以下信號處理技術：傅里葉變換（FFT）：用于分析信號在頻域中的特性，可以識別出設備運行時的固有頻率和諧波成分。短時傅里葉變換（STFT）：與FFT相比，STFT能夠展示信號隨時間變化的頻率特性，適用于非平穩信號的分析。小波變換：具有良好的時頻局部化特性，能夠在多尺度上分析信號，適合捕捉瞬態事件和局部特征。包絡檢測：用于提取振動信號的振幅包絡，可以用來表示信號的動態特性。頻譜分析：通過計算信號的功率譜密度（PSD）或幅值譜，可以識別出信號的頻率成分和能量分布。時頻分析方法：如Wigner-Ville分布、Choi-Williams分布等，這些方法能夠提供信號的時頻表示，有助于分析復雜非線性和非平穩信號。模態分析：通過識別設備振動的模態特性，可以提取出與設備結構和損傷相關的特征。熵分析：如時域熵、頻域熵或小波熵，這些方法可以量化信號的不確定性和復雜性，有助于識別設備狀態的變化。統計分析：包括均值、方差、標準差等統計參數，可以描述信號的波動性和穩定性。高階統計量：如偏度和峰度，它們可以提供信號分布形狀的信息，有助于識別異常模式。在線聲紋振動聲學指紋在線監測指紋監測的原理