(3)基頻信號能量比（E）：100Hz基頻分量時域信號能量占信號總能量的比值，計算公式如下公式2所示：公式2：基頻信號能量比計算公式公式2中S1為100Hz基頻分量的時域信號，Sj為原始信號，j為采樣索引值。正常狀態下，由于100Hz基頻分量為聲紋振動頻譜圖的主要成分，基頻信號能量比應較大；存在故障時，諧波分量增加且峰值頻率發生偏移，基頻信號能量比變小。(4)相關系數(r)：正常狀態與實時測得聲紋振動信號頻譜圖之間的相似度，計算公式如下公式3所示：公式3：相關系數計算公式公式3中Xi和Yi分別為正常狀態與實時測得聲紋振動信號的頻域分布，X和Y為對應信號的平均值，相關系數范圍為0~1。正常運行時，相關系數應接近于1；存在故障時，信號頻率分布發生改變，互相關系數減小。GZAFV-01型聲紋振動監測系統（變壓器、電抗器)專業設計和性能優化。杭州智能振動監測服務工程

AFV信號分析法AFV信號分析法是采用AFV傳感器監測AFV信號，獲得OLTC的狀態數據和工作模式，從而對其狀態進行判斷的方法。OLTC在切換時，其內部主要機構部件的運動撞擊和摩擦都會產生脈沖沖擊力，該信號會通過靜觸頭或變壓器油傳到變壓器箱壁上。傳到變壓器外殼上的振動是內部多種激勵現象的響應，包含著大量的設備機械狀態數據。OLTC的故障類型與其振動特性的變化存在著緊密關系，通過對AFV信號的監測和診斷，即可判斷出OLTC切換時間的變化、觸頭接觸不良、觸頭磨損、彈簧彈性下降和電弧等故障，從而可以診斷出OLTC處于正常狀態或是故障狀態。觸頭在分/合的切換過程中，由于伴隨著機械、化學、頭材料消耗，造成觸頭凹凸不平和變形，從而引起觸頭壓力接觸電阻和開矩參數的變化，使得OLTC的振動特征也隨之改變。杭州研發振動監測裝置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。

電流信號分析法驅動電機電流信號的出現與消失可作為驅動電機運行與停止的標志，因此可選擇電流信號持續時間作為OLTC動作的持續時間，此數據也是機械狀態診斷的重要特征量，開關動作若出現持續時間過短或過長的現象，則表明切換過程中可能出現某種異常。彈簧儲能過程是OLTC切換過程中諸多重要事件之一，當儲能彈簧儲能過程中存在機械卡澀或彈簧性能改變等現象，必然伴隨著電機驅動力矩的變化，使驅動電機的轉速發生變化，從而使驅動電機電流發生變化。因此，通過監測驅動電動機電流信號就可以了解OLTC驅動機構的工作情況，以及部件的磨損、卡澀、潤滑、同步性等情況，用以判斷OLTC儲能彈簧性能改變或儲能過程中是否存在卡澀等故障。

各特征參量定義如下：(1)分合閘動作時間：驅動電機啟動至停止時長，根據電機電流的變化來獲取時間。(2)電機電流峰值：電流出現后的瞬態過程中，電流的***個大半波的峰值。(3)電機電流燃弧時間：電流停止末端，電流變小后又增大，直至電流歸零的持續時間。(4)電流抖動：電機在驅動連桿時，電流不穩定狀態稱為電流抖動。(5)振動高幅值關鍵特征:捕獲的一些振動幅值比較大的時間點。(6)振動脈動關鍵特征:振動信號經過小波濾波后，時域及頻域的分布特性。GZAFV-06T型便攜式變壓器聲紋振動 監測與診斷系統概述。

(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、**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。杭州國洲電力科技有限公司振動聲學指紋在線監測技術系統的兼容性分析。杭州智能振動監測服務工程

杭州國洲電力科技有限公司的企業愿景與使命。杭州智能振動監測服務工程

變壓器在生產、運輸、安裝過程中或在短路電流作用下，均會使繞組及鐵芯壓緊程度降低，繞組及鐵芯故障分別約占變壓器整體故障的36%和4%，對變壓器抗短路電流沖擊能力及**穩定運行產生巨大威脅。繞組故障主要包括絕緣老化、受潮、匝間或繞組間短路、斷路及機械損傷等，以上故障類型均可能導致繞組變形。傳統的繞組變形監測方法有低壓脈沖法(LVI)、頻率響應分析法(FRA)和短路阻抗法(SCI)，以上方法*適用于離線或停電監測。鐵芯典型故障包括壓鐵松動、接地不良、夾件松動或損傷，常用監測方法包括絕緣電阻測試及接地電流監測。杭州智能振動監測服務工程