4.2.3根据各时频信号相关系数、能量分布曲线特征参量（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疑似机械故障类型。图16基于声纹振动法的故障诊断4.2.4结合变压器的带电检测、智能巡检以及其他在线监测的状态量，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疑似故障识别的准确性，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的诊断可结合负荷、损耗、绕组机械振动信号、油温、以及历史电流电压情况分析，在监测到变压器的声纹振动频谱时，系统可以自动去查询变压器的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的异常。GZAF-1000T系列变压器/电抗器振动声学指纹监测系统时频能量分布矩阵(ATF图谱)。电气设备振动监测信号传输
GZAFV-01T子系统采用AFV和驱动电机电流的信号采集和分析技术，能***地把握OLTC的机械性能状态，可以对OLTC的AFV和驱动电机电流的信号幅值大小进行监测和阈值报警，对AFV和驱动电机电流的信号进行分析。具体功能如下：◆适用于所有类型的OLTC故障诊断。◆利用AFV传感器和电流传感器获取OLTC切换动作过程中产生AFV和驱动电机电流的信号，并通过分析软件进行诊断评价。◆能将复杂的信号转换成易于特征识别的包络曲线。◆独有的信号处理功能，可将X、Y、Z的声纹振动信号生产ATF图，更直观，更便捷分析OLTC故障类型。◆可将任意两次监测的图谱进行相似度分析，并自动计算图谱的重合度。◆具有能量谱分析功能，能自动识别能量谱比较大的高低频能量的频率。国产振动监测频率GZOLM-1000G 系列特高压GIS 多参量监测与融合评价系统产品验收服务。
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。
主要意义如下：6.1采用带电监测/在线监测方式，不影响主设备正常运行，降低了电网风险；6.2减少了人员进站检查的运维成本；6.3监测方式与设备无电气连接，具有安全、可靠、安装方便等优点；6.4采用独特的时域分析、包络分析、重合度对比、时频矩阵分析等方法，并提峰值频率、总谐波畸变率、频谱互相关系数、频率复杂度、振动平稳性、能量相似度、振动相关性等特征参量等特征参量，提高在线监测的准确度。6.5内置基于海量样本的大数据和人工智能技术而建立的**分析型数据库，可真实反应设备运行状态，有效诊断绕组变形、机械卡涩、触头磨损、电动机构拒动等故障程度和类型；6.6符合智慧变电站建设原则，本系统的IED具备边缘计算能力，就地采集并处理声纹振动及融合其它信号，完成分析计算后根据传输层要求统一通讯接口及数据结构，根据平台层及应用层要求上传分析结果。GZOLM-1000G 系列监测系统的软件界面。
变压器运行时，电流通过绕组产生的电动力引起绕组振动，硅钢片的磁致伸缩及硅钢片接缝处与叠片之间的漏磁导致铁芯振动。绕组导体所受电动力正比于负载电流平方，绕组声纹振动信号的基频为100Hz。变压器中磁感应强度正比于加载电压的平方，铁芯声纹振动信号的基频也为100Hz。另外，基于铁芯振动的非线性特性，信号中必会包含频率为100Hz整数倍的高次谐波。当变压器的绕组变形或铁芯故障后，声纹振动信号频谱分布将发生改变而产生谐波分量。因此，声纹振动信号分量可以作为区别绕组变形故障与铁芯故障的重要依据，采用声纹振动信号分析法可实现绕组及铁芯的故障诊断。杭州国洲电力科技有限公司振动声学指纹监测信号重合度分析。浙江智能振动监测靠谱吗
国洲电力变压器振动监测系统背景。电气设备振动监测信号传输
各特征参量定义如下：(1)分合闸动作时间：驱动电机启动至停止时长，根据电机电流的变化来获取时间。(2)电机电流峰值：电流出现后的瞬态过程中，电流的***个大半波的峰值。(3)电机电流燃弧时间：电流停止末端，电流变小后又增大，直至电流归零的持续时间。(4)电流抖动：电机在驱动连杆时，电流不稳定状态称为电流抖动。(5)振动高幅值关键特征:捕获的一些振动幅值比较大的时间点。(6)振动脉动关键特征:振动信号经过小波滤波后，时域及频域的分布特性。电气设备振动监测信号传输
