重合度對比如圖9所示，包絡分析后可快速實現歷史信號重合度對比分析，更直觀地判斷有載分接開關運行狀態。為量化信號重合度對比，系統引入互相關系數的計算。當實時采集信號包絡曲線與正常狀態包絡曲線互相關系數接近1時，實時采集的信號接近正常運行狀態；當互相關系數接近0時，有載分接開關可能存在故障。能量分布曲線基于小波變換的振動信號多分辨率分析結果如下圖10所示。原始信號經8層分解后產生第8層的近似分量和第1層至第8層的詳細分量，計算各層詳細分量信號能量，可獲得信號能量分布曲線。對比正常狀態與異常狀態能量分布曲線，可判斷有載分接開關運行狀態，并提取互相關系數、最大值、平均值、峰度、偏度作為狀態診斷特征參量。圖11為正常狀態與異常狀態振動信號能量分布曲線對比。GZAF-1000T系列變壓器(電抗器)振動聲學指紋監測系統結構。杭州振動聲學指紋在線監測使用說明書

有載分接開關運行狀態分析：有載分接開關動作時，典型振動聲學指紋和驅動電機電流的信號如下圖7所示。通過分解時域內典型信號區間，可有效判斷分接開關驅動電機啟動、分接選擇器斷開、分接選擇器閉合、切換開關動作、驅動電機制動等動作順序，進而分析分接開關的運行狀態。然而，以上通過典型信號分析判斷分接開關的運行狀態需要豐富的實踐經驗，為方便檢測人員快速完成診斷任務，需通過多種算法更直觀、準確地判斷開關狀態。變壓器/電抗器聲學指紋監測系統結合基于小波變換及希爾伯特變換的包絡分析、基于互相關系數的重合度分析、基于小波多分辨率分解的能量分布曲線分析、基于時頻分布矩陣的信號對比等多種**算法，實現有載分接開關***、有效、準確的狀態診斷和早期故障監測，降低變壓器/電抗器運行的故障風險。變壓器振動聲學指紋在線監測直銷價格GZAF-1000S系列高壓開關振動聲學指紋監測系統遵循標準。

?獨有的信號處理功能，生成振動聲學指紋信號ATF圖（**算法，**所有），更直觀、更便捷分析有載分接開關及繞組和鐵芯的運行狀態；?具有繞組及鐵芯振動聲學指紋信號頻譜分析功能，自動識別峰值頻率偏移及諧波增量，實時分析繞組及鐵芯運行狀態；?振動聲學指紋信號和電流信號歷史數據曲線趨勢功能；?信號閾值告警功能，軟件自動分析信號增長趨勢，實現自動告警，也可手動設置告警閾值，支持短信告警；?智能分析功能：系統軟件內置海量故障特征的數據庫，可與測得的數據進行比對，通過信號波形、時間長度和幅值等特征值，診斷分析故障類型；也可添加新測得的數據，方便后期橫向、縱向比較；軟件可將同一廠家同一型號的正常檢測數據進行導入保存，便于對該廠家、型號的變壓器數據曲線進行比對分析；

系統功能3.4.1基本功能?支持多通道信號同步實時地采集、顯示及分析；?具有時間觸發和電流觸發功能，可手動選擇信號觸發方式；?可將任意兩次測量的圖譜進行相似度分析，并自動計算圖譜的重合度；?具有先進的能量譜分析功能，并能自動識別能量譜比較大的高低頻能量頻率；?獨有的信號處理功能，生成振動聲學指紋信號ATF圖（**算法，**所有），更直觀、更便捷分析有載分接開關及繞組和鐵芯的運行狀態；?具有繞組及鐵芯振動聲學指紋信號頻譜分析功能，自動識別峰值頻率偏移及諧波增量，實時分析繞組及鐵芯運行狀態；?振動聲學指紋信號和電流信號歷史數據曲線趨勢功能；?信號閾值告警功能，軟件自動分析信號增長趨勢，實現自動告警，也可手動設置告警閾值，支持短信告警；杭州國洲電力科技有限公司振動聲學指紋在線監測使用說明。

數據采集裝置GZAF-1000T系列變壓器/電抗器振動聲學指紋監測系統的數據采集裝置由采集模塊、信號處理模塊、電源模塊、USB接口、4G/5G信號傳輸模塊等組成。采集模塊實現6路機械振動信號及1路驅動電機電流信號采集，信號處理模塊實現信號放大、信號濾波、信號檢波及A/D轉換等功能。利用系統電路設計對采集的振動信號和電流信號進行處理，保證信號的有效性和可靠性，將處理后的模擬信號經A/D轉換成數字信號，便于主機系統進行數據處理分析。電源模塊包括電源輸入（220V）及降壓轉換，為數據采集裝置供電。USB接口用于現場信號獲取、調試；4G/5G模塊用于信號采集處理后的遠端后臺的信號傳輸。數據采集裝置示意圖及參數分別如下圖4和下表2所示。GZAF-1000T系列變壓器(電抗器)振動聲學指紋監測傳感器。GIS振動聲學指紋在線監測系統功能

GZAF-1000T系列變壓器(電抗器)振動聲學指紋監測繞組及鐵芯運行狀態分析。杭州振動聲學指紋在線監測使用說明書

系統功能：3.4.2監測系統的智慧化功能?具備邊緣計算能力，就地采集并處理振動聲學指紋信號及驅動電機電流信號，完成有載分接開關信號包絡、ATF等分析，完成繞組及鐵芯振動信號頻譜分析及參數計算，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分析結果；?具備實物ID管理功能，提供有載分接開關、繞組及鐵芯運行狀態信息鏈接入口，可掃碼讀取設備在線監測歷史數據及趨勢。通過掃碼或RFID識別設備，讀取設備ID信息，通過站內網絡（4G/5G/WIFI）傳輸給云端服務器，向服務器請求該設備的詳細信息，以及詳細的運行狀態，測試信息等。?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/電抗器運行狀態及機械故障類型。圖15基于振動聲學指紋的變壓器故障診斷?結合變壓器/電抗器的帶電檢測、智能巡檢以及其他在線監測狀態量，杭州振動聲學指紋在線監測使用說明書