6.4 2020年11月19日，我公司獲邀南網廣西電網公司總經辦和生產技術部的邀請，委派公司技術智造中心總監王國明博士向廣西電網公司的總經理、副總經理以及生產技術部、電力科學研究院等相關部門和直屬單位的領導做了《變壓器聲紋振動在線監測與故障診斷技術》的專題匯報，榮獲領導和**們的稱贊與肯定。

6.5 2020年10月30日，國網公司設備部領導視察1000kV廊坊特高壓變電站已投運的1000kV電抗器運行情況（如下圖6.4所示）。通過查看我公司的GZOLM-1000T型變壓器綜合在線監測系統（局部放電、聲紋振動、鐵芯接地電流、油中溶解氣體、電抗器空負載等運行參數）的多參量數據監測和融合評價技術所展示的電抗器在線運行中的性能狀況），后根據評價電抗器在線運行健康態勢的診斷報告，把某一臺電抗器下線返廠維修，在廠區解體后驗證了診斷報告的準確性。 杭州國洲電力科技有限公司的企業發展歷程與技術創新成果。名優振動聲學指紋在線監測廠家

六、GZAFV-01系統的技術交流與投運業績GZAFV-01系統已成功應用于智能變電站、智慧變電站及數字化變電站等示范項目(已經投運的廊坊特高壓站、濟南商西站、青島顧家站和勝利站、泰安天平站等)，實現大型變壓器全振動在線監測與故障診斷，有效地提高設備運行可靠性。同時，我公司積極與各科研院所(南網電科院、廣西電科院、冀北電科院、山東電科院、江蘇電科院、浙江電科院)、供電公司(冀北、山東、山西、江蘇、寧夏等地的省檢)、變壓器制造商(山東電力設備制造廠、江蘇華鵬變壓器廠、南通的韓國曉星變壓器廠、杭州錢江變壓器廠等)、OLTC制造商（上海華明的遵義長征廠區、德國MR等）、變電站綜合監測系統平臺承建商(國網智能、南瑞科技、長園深瑞等)開展合作，不斷豐富各型號變壓器的聲紋振動信號樣本數據庫。名優振動聲學指紋在線監測廠家杭州國洲電力科技有限公司振動聲學指紋在線監測功能的故障診斷能力。

GIS在帶電運行過程中除了機械故障會導致異常振動外，放電性故障（如絕緣子內部缺陷、螺絲松動、懸浮電位放電、毛刺前列放電、金屬微粒放電等）也會導致聲紋振動信號的產生。因此，通過深入研究GIS本體的聲紋振動信號特征可發現GIS機械性故障及放電性故障，具有監測***、監測結果互相補充的特點。基于聲紋振動信號的在線監測，可在GIS帶電運行狀態下及時發現潛在故障，并及時預警，從而延長使用壽命，提高電網運行的可靠性。我公司以聲紋振動信號為主，結合電流、位移等其他參量的在線監測，開發了故障診斷算法（***軟著權）并提取相關特征參量研制完成的GZAFV-01型聲紋振動監測系統，適用于開關設備的帶電監測（便攜診斷式、手持巡檢式）、在線監測（長期固定式、短期移動式）。

聲紋振動監測技術的應用意義GZAFV-01系統適用于GIS、AIS、隔離開關、開關柜等開關設備的帶電監測、在線監測與故障診斷，不影響被測設備正常運行且無電氣連接，主要意義如下：5.1采用帶電監測/在線監測方式，不影響被測設備正常運行，降低了電網風險。5.2監測方式與被測設備無電氣連接，具有安全、可靠、安裝方便等優點。5.3采用獨特的時域、包絡、重合度比對、時頻矩陣等分析法，并提峰值頻率、總諧波畸變率、頻譜互相關系數、頻率復雜度、振動平穩性、能量相似度、振動相關性等特征參量等特征參量，提高在線監測準確度。5.4內置基于海量典型樣本的大數據和人工智能研判技術而建立的數據庫，可真實反應被試品運行狀態，有效診斷故障程度和類型。5.5符合智慧/智能型變電站建設原則，IED具備邊緣計算能力，就地采集并處理聲紋振動及電流信號，完成分析計算后根據傳輸層要求統一通訊接口及數據結構，根據平臺層及應用層要求上傳監測數據的分析結果。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環保效益分析。

敞開式斷路器監測技術背景實現對斷路器機械特性的在線監測，準確得知斷路器的工作狀態和故障部位，可以有效減小維護工作量，增強狀態檢修的針對性，顯著提高電力系統可靠性和經濟性。聲紋振動信號、分/合閘線圈及儲能電機的電流、動/靜觸頭的行程及分/合閘位置等特征值是斷路器非常重要的參數，是衡量斷路器性能的重要指標，因此，實施在線監測聲紋振動信號、分/閘線圈及儲能電機電流、動/靜觸頭行程及分/合閘位置等具有重要意義。杭州國洲電力科技有限公司振動聲學指紋在線監測技術系統的安全性設計。名優振動聲學指紋在線監測銷售方法

GZAFV-01型聲紋振動監測系統（變壓器、電抗器)包絡分析。名優振動聲學指紋在線監測廠家

4.2.3根據各時頻信號互相關系數、能量分布曲線特征參量（互相關系數、最大值、平均值、峰度、偏度）、ATF圖譜特征參量（六等分區間均值）、總諧波畸變率、基頻信號能量比等狀態量，采用深度學習算法，自動判斷變壓器運行狀態及機械故障類型。

4.2.4結合變壓器的帶電監測、智能巡檢以及其他在線監測狀態量，進行數據的多參量融合分析，形成基于多源數據的故障預警機制，多參量融合分析不僅提高了識別故障的準確性，而且還能**降低因單個參量判別故障帶來的誤報。例如，對于變壓器疑似問題地診斷可結合負荷、損耗、繞組機械振動信號、油溫、以及歷史電流電壓情況分析，在監測到變壓器地聲紋振動頻譜時，GZAFV-01系統的操控及監測數據分析系統可以自動去查詢變壓器地歷史電流和電壓信號，如果發現在某段時期確實有大電流沖擊，可給出預警：變壓器可能存在繞組變形地異常。 名優振動聲學指紋在線監測廠家