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。杭州国洲电力科技有限公司振动声学指纹监测设备信息管理。浙江智能振动监测发展前景
3.2.1.1OLTC监测与诊断：=1\*GB3①采用多路振动传感器获取振动信号，传感器通过固定底座安装在变压器外壁，安装位置通常选取平行于分接开关垂直传动杆方向，且尽量靠近分接开关触头组处。=2\*GB3②采用非接触方式安装在OLTC的1~2m范围内的声纹传感器获取OLTC切换时的声纹信号。=3\*GB3③采用安装于驱动电机电源线处的电流传感器获取OLTC驱动电机电流信号。3.2.1.2变压器本体（绕组及铁芯）监测与诊断：=1\*GB3①采用多路振动传感器监测与诊断变压器绕组及铁芯运行状况，通常安装于上夹件底部、非冷却器侧油箱表面中部及油箱顶部中芯点。为保持监测与诊断点同一性，便于历史数据对比，传感器底座应长期固定在变压器外壁上。=2\*GB3②采用声纹传感器获取变压器声纹信号，传感器采用工装固定在变压器周边立柱或防火墙上，距地面高度1.2m以上、1/2油箱高度以下，与变压器距离0.3m～2m之间。高压振动检测企业排名杭州国洲电力科技有限公司电话支持。
二、相关标准1、GB/T4208外壳防护等级（IP代码）；2、GB2423电工电子产品环境试验规程；3、GB/T4064电气设备安全设计导则；4、GB4943信息技术设备（包括电气事务设备）的安全；5、GB/T13926工业过程测量和控制装置的电磁兼容性；6、GB/T15532计算机软件单元监测；7、GB/T17626电磁兼容试验和测量技术；8、GB50150电器装置安装工程电气设备交接试验标准；9、DL/T860变电站通信网络和系统；10、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；11、DL/T1498.1变电设备在线监测装置技术规范第1部分：通用技术规范；12、DL/T1430变电设备在线监测系统技术导则；13、DL/T1686六氟化硫高压断路器状态检修导则；14、DL/T1687六氟化硫高压断路器状态评价导则；
长园深瑞等)开展合作，不断丰富各型变压器的声纹振动样本数据库。GZAFV-06T型系统包括便携式带电监测与诊断型（分体机的如下图25C、一体机的如下图25D）、固定式在线监测与诊断型（标准1U式的如下图25E、壁挂式监测与诊断单元的如下图25F）等机型。其中，便携式一体机结构轻巧，适用于带电检测，标准单元与壁挂式单元适用于长期在线监测与重症监护。7.1 2020年10月20日，我公司荣获国家电网公司设备部的邀请，参与关于智慧变电站技术方案审查会，向与会的国网公司设备部、各省公司设备部及各省电科院的领导和**们做了《振动声学指纹监测技术在变电站主设备智慧型综合监测中的作用和实施方案》的汇报，荣获与会的领导和**们的高度认可，如下图26所示。GZAFV-06T型便携式变压器声纹振动 监测与诊断系统声纹振动监测与诊断技术的应用意义。
3.2.2功能特点Ø具备断路器的振动、分合闸线圈和电机的电流、动静触头分合闸位移和位置等信号的监测功能；Ø具备振动、电流波形、位移曲线、压力变化等信号的记录和展示，自动计算峰值电流、电流上升速率、动作时间、动作时长、位移、分合闸位置、分合闸次数等参量；Ø监测主机/IED支持多通道信号同步和实时采集，通道数不小于8个（可定制）；Ø支持历史数据与实测数据对比分析、不同通道测量数据的横向及纵向对比功能；Ø具有断电不丢失存储数据、复电自启动、自复位的功能，可连续监测、存储及导出1000次以上断路器动作数据；Ø断路器每次动作后，监测主机/IED主动评价断路器运行状态，并自动上传结果。断路器典型振动和储能电机电流信号及对应包络曲线如下图4所示。GZAFV-06T型便携式变压器声纹振动 监测与诊断系统功能特点。高压振动检测企业排名
多参量监测与融合评价系统的智慧化功能。浙江智能振动监测发展前景
4.2.2具备实物ID管理功能，提供OLTC、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。4.2.3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，自动判断变压器运行状态及机械故障类型。
4.2.4结合变压器的带电监测、智能巡检以及其他在线监测状态量，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，多参量融合分析不仅提高了识别故障的准确性，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地诊断可结合负荷、损耗、绕组机械振动信号、油温、以及历史电流电压情况分析，在监测到变压器地声纹振动频谱时，GZAFV-01系统的操控及监测数据分析系统可以自动去查询变压器地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地异常。 浙江智能振动监测发展前景
