包络分析：为提高在线监测的准确度，GZAF-1000T系统的数据采集装置通常采用高采样率获取振动声学信号及驱动电机电流信号，然而大量的数据不利于快速、准确存储与分析。因而采用包络分析，简化并反映原始信号特征，便于后续分析与处理。传统希尔伯特变换进行包络分析时存在提取深度不足、存在幅值偏差等问题，因此，GZAF-1000T系统采用小波变换和希尔伯特变换结合的信号包络分析。有载分接开关振动声学信号和驱动电机电流信号包络分析如下图8的A和B所示。GZAF-1000T系列变压器(电抗器)振动声学指纹监测重合度对比。国洲电力振动声学指纹在线监测业绩
(7)振动相关性(MPC)：振动相关性分析用一个特征量MPC表示各个测点之间的振动相关程度，该参数用于表示100Hz基频分量时域信号能量占信号总能量的比值，其计算公式为=正常状态下，由于100Hz基频分量为振动频谱图的主要成分，基频信号能量比应较大；存在故障时，谐波分量增加且峰值频率发生偏移，基频信号能量比变小。敞开式断路器在电力系统中起到保护和控制作用，它根据供电系统运行的需要来可靠地投入或切除相应的线路或电气设备，以确保系统安全运行。实现对断路器机械特性的在线监测，准确得知断路器的工作状态和故障部位，可以有效减小维护工作量，增强检修的针对性，***提高供电系统可靠性和经济性。国洲电力振动声学指纹在线监测业绩GZAF-1000S系列高压开关振动声学指纹监测系统--敞开式断路器监测技术背景。
敞开式断路器监测:技术背景:敞开式断路器在电力系统中起到保护和控制作用，它根据供电系统运行的需要来可靠地投入或切除相应的线路或电气设备，以确保系统安全运行。实现对断路器机械特性的在线监测，准确得知断路器的工作状态和故障部位，可以有效减小维护工作量，增强检修的针对性，***提高供电系统可靠性和经济性。振动声学指纹信号、线圈分合闸电流、储能电机电流、行程及分合闸位置是断路器非常重要的参数，是衡量断路器性能优劣的重要指标。因此，通过在线监测系统准确提取振动声学指纹、分闸电流、合闸电流、储能电机电流、行程及分合闸位置特征值，对判断断路器的健康程度和工作状态诊断具有重要意义。
GIS及敞开式的隔离开关监测:技术背景:隔离开关是电力系统中的重要组成部分，主要用于隔离电源、承载和切断电流电路，与接地开关共同实现对高压输电线路和电气设备的控制、保护和检修。在合闸位置时，隔离开关可承载线路额定电流及在规定时间内的异常电流；在分闸位置时，隔离开关的触头间有符合要求的绝缘距离和明显的断开标志，确保检修时人员和设备的安全。然而由于在材料、工艺、设计、安装等方面存在的问题，以及频繁动作时产生的电气老化、机械磨损等缺陷，GIS及敞开式的隔离开关的故障率不断升高，严重影响隔离开关和整个电力系统的安全稳定运行。因此，在线监测隔离开关以实现故障前预警，对提高设备和电网的可靠性具有重要意义。基于实时监控隔离开关振动声学指纹及驱动电机电流信号，结合智能分析软件，实现隔离开关运行状态的***评价，可有效确保隔离开关及电网的安全稳定运行。GZAF-1000T系列变压器(电抗器)振动声学指纹监测主界面。
二、相关标准GB/T4208外壳防护等级（IP代码）；GB/T10230.1分接开关第1部分：性能要求和试验方法；GB/T10230.2分接开关第2部分：应用导则；DL/T265变压器有载分接开关现场试验导则；DL/T574变压器分接开关运行维修导则；DL/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；DL/T860变电站通信网络和系统；DL/T1430变电设备在线监测系统技术导则；DL/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；DL/T1538电力变压器用真空有载分接开关使用导则；DL/T1540油浸式交流电抗器（变压器）运行振动测量方法；DLT1694.2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；DL/T1805电力变压器用有载分接开关选用导则；杭州国洲电力科技有限公司各类高压开关监测系统的功能特点。国洲电力振动声学指纹在线监测业绩
GZAF-1000S系列高压开关振动声学指纹监测系统各类高压开关监测系统的技术参数。国洲电力振动声学指纹在线监测业绩
系统功能：3.4.2监测系统的智慧化功能具备边缘计算能力，就地采集并处理振动声学指纹信号及驱动电机电流信号，完成有载分接开关信号包络、ATF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；具备实物ID管理功能，提供有载分接开关、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。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/电抗器运行状态及机械故障类型。图15基于振动声学指纹的变压器故障诊断结合变压器/电抗器的带电检测、智能巡检以及其他在线监测状态量，国洲电力振动声学指纹在线监测业绩
