3.2.2感知層的IED/主機GZAFV-01系統的IED/主機由采集模塊、處理模塊、電源模塊、USB接口、通信模塊等組成。◆采集模塊：實現6路聲紋振動信號、1路電流信號的采集。◆處理模塊：實現信號的放大、濾波和檢波及A/D轉換等功能，利用硬件對采集的信號進行處理，保證信號的有效性和可靠性，再將處理后的模擬信號經A/D轉換成數字信號，便于IED/主機進行數據處理分析。◆電源模塊：包括220V/AC電源的輸入及降壓轉換，為IED/主機供電。◆USB接口：用于現場信號獲取、調試。◆通信模塊：用于向遠端平臺層的監測數據傳輸、操控指令接收。杭州國洲電力科技有限公司振動聲學指紋在線監測概述。杭州電抗器振動聲學指紋在線監測傳感器
確保采集到的振動和聲學數據具有足夠的準確性和分辨率，以便于識別設備的正常運行狀態與異常情況，可以采取以下措施：
選擇合適的傳感器：根據被監測設備的特性和監測要求選擇適當類型和規格的振動和聲學傳感器。傳感器應具有高靈敏度和適當的頻率響應范圍。校準傳感器：定期對傳感器進行校準，以確保其輸出與實際測量值之間的準確對應關系。優化采樣頻率：根據設備的動態特性和可能發生的故障類型，設置合適的采樣頻率，以捕捉到振動和聲學信號的關鍵特征。減少噪聲干擾：采取措施減少環境噪聲和電磁干擾，如使用屏蔽電纜、設置隔振平臺、選擇低噪聲環境進行測量等。數據預處理：采用濾波、去噪等數據預處理技術，提高信號質量，減少噪聲的影響。多傳感器融合：使用多個傳感器并結合不同的測量位置，可以提高數據的冗余性和魯棒性，從而增強信號的準確性。動態范圍調整：根據設備的運行狀態調整測量系統的動態范圍，確保在設備運行在不同負載條件下都能獲得清晰的信號。數據后處理和特征提取：應用高級信號處理技術，如時頻分析、小波變換等，提取出反映設備狀態的關鍵特征。 杭州GZAF-1000S系列振動聲學指紋在線監測杭州國洲電力科技有限公司振動聲學指紋在線監測技術交流與投運業績。
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。
變壓器運行時，電流通過繞組時產生的電動力引起繞組振動，硅鋼片的磁致伸縮及硅鋼片接縫處與疊片之間的漏磁導致鐵芯振動。由于繞組導體所受電動力正比于負載電流的平方，繞組的聲紋振動信號的基頻為100Hz。由于變壓器中磁感應強度正比于加載電壓的平方，鐵芯的聲紋振動信號的基頻也為100Hz。另外，考慮到鐵芯振動的非線性特性，聲紋振動信號還會包含頻率為100Hz整數倍的高次諧波。當變壓器的繞組變形或鐵芯故障后，聲紋振動信號頻譜分布將發生改變，產生諧波分量。因此，信號分量可以作為區別繞組故障與鐵芯故障的重要依據，采用聲紋振動監測法可實現繞組及鐵芯在線運行狀態下的健康態勢評價與故障類型診斷。GZAF-1000S系列高壓開關振動聲學指紋監測系統--GIS本體監測技術背景。
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。GZAF-1000T系列變壓器(電抗器)振動聲學指紋監測技術交流與投運業績。杭州電抗器振動聲學指紋在線監測傳感器
GZAF-1000T系列變壓器(電抗器)振動聲學指紋監測軟件界面。杭州電抗器振動聲學指紋在線監測傳感器
3.3.1.3能量分布曲線基于小波變換的聲紋振動信號多分辨率分析結果如下圖3.8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。比對正常狀態與異常狀態能量分布曲線，可判斷OLTC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。下圖3.7為正常與異常狀態的聲紋振動信號能量分布曲線比對。
3.3.1.4時頻能量分布矩陣(ATF圖譜)獲取聲紋振動信號的時頻能量分布矩陣，同時反映原始信號時域、頻域特性及能量分布。將信號時頻分布矩陣分為6個區間，計算各區間平均值作為特征參量，用于OLTC正常狀態與異常狀態比對。下圖3.9為正常狀態下聲紋振動信號時頻能量矩陣。 杭州電抗器振動聲學指紋在線監測傳感器
