系统功能:3.4.2监测系统的智慧化功能具备边缘计算能力,就地采集并处理振动声学指纹信号及驱动电机电流信号,完成有载分接开关信号包络、ATF等分析,完成绕组及铁芯振动信号频谱分析及参数计算,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;具备实物ID管理功能,提供有载分接开关、绕组及铁芯运行状态信息链接入口,可扫码读取设备在线监测历史数据及趋势。通过扫码或RFID识别设备,读取设备ID信息,通过站内网络(4G/5G/WIFI)传输给云端服务器,向服务器请求该设备的详细信息,以及详细的运行状态,测试信息等。根据各时频信号互相关系数、能量分布曲线特征参量(互相关系数、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/电抗器运行状态及机械故障类型。图15基于振动声学指纹的变压器故障诊断结合变压器/电抗器的带电检测、智能巡检以及其他在线监测状态量,GZAF-1000S系列高压开关振动声学指纹监测系统遵循标准。振动声学指纹在线监测系统软件界面
重合度对比如图9所示,包络分析后可快速实现历史信号重合度对比分析,更直观地判断有载分接开关运行状态。为量化信号重合度对比,系统引入互相关系数的计算。当实时采集信号包络曲线与正常状态包络曲线互相关系数接近1时,实时采集的信号接近正常运行状态;当互相关系数接近0时,有载分接开关可能存在故障。能量分布曲线基于小波变换的振动信号多分辨率分析结果如下图10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。对比正常状态与异常状态能量分布曲线,可判断有载分接开关运行状态,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。图11为正常状态与异常状态振动信号能量分布曲线对比。振动声学指纹在线监测系统软件界面GZAF-1000T系列变压器(电抗器)振动声学指纹监测系统原理。
各类高压开关监测系统的功能特点:GIS本体监测:技术背景:GIS运行时,电流通过高压导体时产生的电动力引起振动,由于导体所受电动力正比于负载电流的平方,GIS本体振动信号的基频为100Hz。当存在机械故障时,振动信号频谱分布将发生改变,产生谐波分量。GIS本体机械型缺陷主要是指内部存在开关触头接触异常、导电杆接触不良、母线卡簧松动、屏蔽罩松动等异常时,在交变电场作用下发生异常振动,长期振动可能导致导电杆和绝缘件松动,引发局部放电,甚至造成绝缘事故。异常振动还可能造成SF6气体泄漏,损坏绝缘子和绝缘支柱,影响外壳接地的牢固,危及主设备运行安全。因此开展振动声学指纹检测、实时频谱分析并提取相关特征参量对提高GIS运行的可靠性具有重要意义。
时频能量分布矩阵(ATF图谱)获取振动声学指纹信号时频能量分布矩阵,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,用于有载分接开关正常状态与异常状态对比。下图12为正常状态下振动声学指纹信号时频能电力设备监测及诊断技术的“中国智造者”第14页共29页量矩阵。图12振动声学指纹信号时频能量矩阵绕组及铁芯运行状态分析下图13(a)为变压器/电抗器运行时的绕组及铁芯振动声学指纹的时域信号。为更直观地分析绕组及铁芯运行状态,采用频域法分析振动声学指纹信号,实现在线状态下的故障监测。如下图13(b)所示,基于振动声学指纹信号的频域分布,提取峰值频率、总谐波畸变率、基频能量比、互相关系数特征参量,以作为变压器/电抗器运行状态的分析参数。GZAF-1000T系列变压器(电抗器)振动声学指纹监测运行状态告警。
敞开式断路器监测:技术背景:敞开式断路器在电力系统中起到保护和控制作用,它根据供电系统运行的需要来可靠地投入或切除相应的线路或电气设备,以确保系统安全运行。实现对断路器机械特性的在线监测,准确得知断路器的工作状态和故障部位,可以有效减小维护工作量,增强检修的针对性,***提高供电系统可靠性和经济性。振动声学指纹信号、线圈分合闸电流、储能电机电流、行程及分合闸位置是断路器非常重要的参数,是衡量断路器性能优劣的重要指标。因此,通过在线监测系统准确提取振动声学指纹、分闸电流、合闸电流、储能电机电流、行程及分合闸位置特征值,对判断断路器的健康程度和工作状态诊断具有重要意义。GZAF-1000S系列高压开关振动声学指纹监测系统--GIS及开关柜的断路器监测功能特性。振动声学指纹在线监测系统软件界面
GZAF-1000T系列变压器(电抗器)振动声学指纹监测绕组及铁芯运行状态分析。振动声学指纹在线监测系统软件界面
系统功能:结合变压器/电抗器的带电检测、智能巡检以及其他在线监测状态量,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识别故障的准确性,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地诊断可结合负荷、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/电抗器地振动声学指纹频谱时,系统可以自动去查询变压器/电抗器地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/电抗器可能存在绕组变形地异常。振动声学指纹在线监测系统软件界面