4.2.2具備實物ID管理功能，提供OLTC、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。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。 杭州國洲電力科技有限公司振動聲學指紋在線監測服務的售后支持體系。進口振動監測參數

3.2.2功能特點?具備斷路器的振動、分合閘線圈和電機的電流、動靜觸頭分合閘位移和位置等信號的監測功能；?具備振動、電流波形、位移曲線、壓力變化等信號的記錄和展示，自動計算峰值電流、電流上升速率、動作時間、動作時長、位移、分合閘位置、分合閘次數等參量；?監測主機/IED支持多通道信號同步和實時采集，通道數不小于8個（可定制）；?支持歷史數據與實測數據對比分析、不同通道測量數據的橫向及縱向對比功能；?具有斷電不丟失存儲數據、復電自啟動、自復位的功能，可連續監測、存儲及導出1000次以上斷路器動作數據；?斷路器每次動作后，監測主機/IED主動評價斷路器運行狀態，并自動上傳結果。斷路器典型振動和儲能電機電流信號及對應包絡曲線如下圖4所示。振動監測數據GZAFV-06T型便攜式變壓器聲紋振動 監測與診斷系統技術說明。

變壓器/電抗器（下文皆用“變壓器”簡稱）在電力系統中起到電壓變換、電能分配等重要作用，其安全穩定運行對確保供電可靠性具有重要意義。有載分接開關（下文皆用OLTC簡稱）、繞組及鐵芯是變壓器的重要組成部分，三者故障率總和占變壓器整體故障70%左右，而傳統預防性試驗有試驗周期長、影響變壓器正常運行、耗費人力物力等缺點。開展基于聲學指紋的狀態監測，可在在線狀態下及時發現變壓器OLTC、繞組及鐵芯的潛在故障，并及時預警，從而延長變壓器使用壽命，提高電網運行的可靠性。

GZAFV-01T子系統采用AFV和驅動電機電流的信號采集和分析技術，能***地把握OLTC的機械性能狀態，可以對OLTC的AFV和驅動電機電流的信號幅值大小進行監測和閾值報警，對AFV和驅動電機電流的信號進行分析。具體功能如下：◆適用于所有類型的OLTC故障診斷。◆利用AFV傳感器和電流傳感器獲取OLTC切換動作過程中產生AFV和驅動電機電流的信號，并通過分析軟件進行診斷評價。◆能將復雜的信號轉換成易于特征識別的包絡曲線。◆獨有的信號處理功能，可將X、Y、Z的聲紋振動信號生產ATF圖，更直觀，更便捷分析OLTC故障類型。◆可將任意兩次監測的圖譜進行相似度分析，并自動計算圖譜的重合度。◆具有能量譜分析功能，能自動識別能量譜比較大的高低頻能量的頻率。GZAFV-01型聲紋振動監測系統的概述。

數據采集裝置安裝在密封箱體內，在線型的掛壁式主機使用強力磁鐵吸附在變壓器的外壁（如下圖6B所示），同時磁鐵外側涂抹強力膠水加強粘合。本系統的各類傳感器、通信模塊和前端主控單元統一采用220V供電方式。數據采集裝置防護箱的外部設有5個防水接口，分別是聲紋和振動信號傳感器接入孔防水接口、電流信號接入防水接口、電源線纜防水接口、USB信號防水接口、采集箱進出線孔，安裝防水接頭、振動信號、聲紋信號、電流信號引入線纜孔安裝雙防12-PG13.5接頭、通信引入線纜采用PG16型防水接頭，并內外兩邊涂膠處理，進入雙防接頭之前的線纜均套金屬保護管，采集箱內部接線端子做密封保護，確保采集箱內部整體密封。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科研合作背景。進口振動監測系統評估

GZAFV-01型聲紋振動監測系統（變壓器、電抗器)的評價和維護建議。進口振動監測參數

(2)重合度對比如下圖10所示，包絡分析后可快速實現歷史信號重合度對比分析，更直觀的判斷OLTC運行狀態。為量化信號重合度對比，系統引入相關系數的計算。當實時采集信號包絡曲線與正常狀態包絡曲線相關系數接近1時，實時采集的信號接近正常運行狀態；當相關系數接近0時，OLTC可能存在故障。圖10信號重合度分析(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的結果如下圖11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。圖12為正常狀態與異常狀態聲紋振動信號能量分布曲線對比。進口振動監測參數