杭州智能化振动研发 国洲电力供应

OLTC 的正常运行对电力系统的稳定性至关重要，而 AFV 信号分析法是保障其稳定运行的重要工具。OLTC 在切换过程中，内部机械部件的运动撞击和摩擦会产生复杂的振动信号，这些信号蕴含着丰富的设备健康信息。通过 AFV 传感器监测这些信号，我们可以实时了解 OLTC 的工作状态。例如，当 OLTC 出现弹簧弹性下降的故障时，其振动信号的阻尼特性会发生改变，信号的衰减速度与正常状态不同。借助 AFV 信号分析法，我们能够准确捕捉到这些细微变化，及时发现故障隐患，采取针对性的维修措施，确保 OLTC 始终处于良好的运行状态。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多功能集成。杭州智能化振动研发

AFV信号分析法AFV信号分析法是采用AFV传感器监测AFV信号，获得OLTC的状态数据和工作模式，从而对其状态进行判断的方法。OLTC在切换时，其内部主要机构部件的运动撞击和摩擦都会产生脉冲冲击力，该信号会通过静触头或变压器油传到变压器箱壁上。传到变压器外壳上的振动是内部多种激励现象的响应，包含着大量的设备机械状态数据。OLTC的故障类型与其振动特性的变化存在着紧密关系，通过对AFV信号的监测和诊断，即可判断出OLTC切换时间的变化、触头接触不良、触头磨损、弹簧弹性下降和电弧等故障，从而可以诊断出OLTC处于正常状态或是故障状态。触头在分/合的切换过程中，由于伴随着机械、化学、头材料消耗，造成触头凹凸不平和变形，从而引起触头压力接触电阻和开矩参数的变化，使得OLTC的振动特征也随之改变。杭州GZAF-1000T系列变压器/电抗器振动服务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合作案例。

能量分布曲线

基于小波变换的声纹振动信号多分辨率分析结果如下图3.8所示。原始信号经8层分解后产生第8层的近似分量和第1层至第8层的详细分量，计算各层详细分量信号能量，可获得信号能量分布曲线。比对正常状态与异常状态能量分布曲线，可判断OLTC运行状态，并提取互相关系数、最大值、平均值、峰度、偏度作为状态诊断特征参量。下图3.7为正常与异常状态的声纹振动信号能量分布曲线比对。

时频能量分布矩阵(ATF图谱)

获取声纹振动信号的时频能量分布矩阵，同时反映原始信号时域、频域特性及能量分布。将信号时频分布矩阵分为6个区间，计算各区间平均值作为特征参量，用于OLTC正常状态与异常状态比对。下图3.9为正常状态下声纹振动信号时频能量矩阵。

变压器在生产、运输、安装过程中或在短路电流作用下，均会使绕组及铁芯压紧程度降低，绕组及铁芯故障分别约占变压器整体故障的36%和4%，对变压器抗短路电流冲击能力及安全稳定运行产生巨大威胁。绕组故障主要包括绝缘老化、受潮、匝间或绕组间短路、断路及机械损伤等，以上故障类型均可能导致绕组变形。传统的绕组变形监测方法有低压脉冲法(LVI)、频率响应分析法(FRA)和短路阻抗法(SCI)，以上方法*适用于离线或停电监测。铁芯典型故障包括压铁松动、接地不良、夹件松动或损伤，常用监测方法包括绝缘电阻测试及接地电流监测。GZAFV-01型声纹振动监测系统的概述。

信号包络分析

为提高在线监测的准确度，GZAFV-01系统的IED/主机通常采用高采样率获取声纹振动及驱动电机电流的信号，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，因此采用小波变换和希尔伯特变换结合的信号包络分析。声纹振动和电流的信号包络分析

信号包络重合度比对分析

信号包络分析后可快速实现历史信号重合度比对分析，更直观地判断OLTC运行状态。为量化信号重合度比对，GZAFV-01系统引入互相关系数的计算。当实时采集的与正常状态的信号包络互相关系数：◆接近1时，OLTC接近正常运行状态。◆接近0时，OLTC可能存在故障。 GZAFV-01型声纹振动监测与诊断系统 。杭州国洲电力振动声纹工作原理

什么是声学指纹振动监测？杭州智能化振动研发

AFV 信号分析法的关键在于通过对 OLTC 振动信号的监测和分析，获取其状态数据和工作模式。OLTC 切换时，内部主要机构部件的运动撞击和摩擦产生的脉冲冲击力，通过变压器油传递到变压器箱壁，在箱壁上形成振动响应。这些振动响应包含了 OLTC 内部多种激励现象的信息，如触头的分 / 合状态、弹簧的弹性等。AFV 传感器采集这些振动信号，并运用专业的分析方法提取其中的特征参数。当 OLTC 出现触头磨损故障时，特征参数中的某些指标，如振动信号的峰峰值、有效值等会发生明显变化。通过对这些变化的判断，我们可以准确诊断出 OLTC 的故障状态，为设备的运行维护提供科学依据。杭州智能化振动研发