振动基本参数
  • 品牌
  • 国洲电力
  • 型号
  • GZAF-1000T系列,GZAF-1000S系列,
振动企业商机

信号包络分析

为提高在线监测的准确度,GZAFV-01系统的IED/主机通常采用高采样率获取声纹振动及驱动电机电流的信号,然而大量的数据不利于快速、准确存储与分析。因而采用包络分析,简化并反映原始信号特征,便于后续分析与处理。传统希尔伯特变换进行包络分析时存在提取深度不足、存在幅值偏差等问题,因此采用小波变换和希尔伯特变换结合的信号包络分析。声纹振动和电流的信号包络分析

信号包络重合度比对分析

信号包络分析后可快速实现历史信号重合度比对分析,更直观地判断OLTC运行状态。为量化信号重合度比对,GZAFV-01系统引入互相关系数的计算。当实时采集的与正常状态的信号包络互相关系数:◆接近1时,OLTC接近正常运行状态。◆接近0时,OLTC可能存在故障。 杭州国洲电力科技有限公司振动监测重要性。电抗器振动监测文献

电抗器振动监测文献,振动

(7)振动相关性(MPC):振动相关性分析用一个特征量MPC表示各个测点之间的振动相关程度,该参量用于表示100Hz基频分量时域信号能量占信号总能量的比值,其计算公式为:MPC=e1i=1mei正常状态下,由于100Hz基频分量为振动频谱图的主要成分,基频信号能量比应较大;存在故障时,谐波分量增加且峰值频率发生偏移,基频信号能量比变小。3.2GIS及开关柜中断路器的监测3.2.1技术背景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。电抗器振动监测文献GZAF-1000T系列变压器/电抗器振动声学指纹监测系统主界面。

电抗器振动监测文献,振动

OLTC是在励磁状态下,通过改变绕组分接位置实现电网的有载调压,起到稳定负载电压、调节无功潮流、增加电网灵活度等重要作用。它是调压变压器中***的可动部件、关键部件之一。国际大电网委员会(GIGRE)等国内外统计结果表明,OLTC故障占变压器总体故障的30%以上,各类故障影响变压器及整个电网的安全稳定运行,严重时更会导致大面积停电、电气火灾等事故。OLTC的故障模式有多种,具体包括传动轴断裂、选择开关触头接触不良、操作机构失灵造成的拒动或滑档现象、限位开关失灵、切换开关拒切、中止或动作滞后、内部紧固件松动和脱落、以及内部渗漏等。根据国家电网设备部发布的《设备管理重点工作任务》,2020年度需完成382台换流变分接开关隐患整改,加快消除故障隐患。因此,实施OLTC在线监测与诊断与故障诊断不仅对确保变压器及整个电网安全稳定运行具有重要的现实意义,也是今后的发展方向。

4.2智慧化功能4.2.1具备边缘计算能力,就地采集并处理声纹振动和驱动电机电流的信号,进行OLTC信号的包络、ATF等分析,完成绕组和铁芯的声纹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;4.2.2具备实物ID管理功能,提供OLTC、绕组和铁芯运行状态信息链接入口,可扫码读取设备在线监测与诊断的历史数据及趋势。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。GZAFV-06T型便携式变压器声纹振动 监测与诊断系统相关标准。

电抗器振动监测文献,振动

(3)频谱互相关系数(r):正常状态与实时测得振动信号频谱图之间的相似度,计算公式如下:r=i=0N-1[Xi-X][Yi-Y]i=0N-1[Xi-X]2i=0N-1[Yi-Y]2其中Xi和Yi分别为正常状态与实时测得振动信号的频域分布,X和Y为对应信号的平均值,互相关系数范围为0~1。正常运行时,相关系数应接近于1;存在故障时,信号频率分布发生改变,互相关系数减小。(4)频率复杂度(FCA):频率复杂度的定义与信息熵类似,频率成分越复杂,对应的频率复杂度特征量越大,计算公式如下:FCA=-fpfln⁡(pf)pf=EfEf=100Hz+Ef=200Hz+⋯+Ef=200Hz其中f=100,200,…,2000Hz,Ef为对应频率信号能量,pf为振动频率为f的谐波比重值。(5)振动平稳性(DET):振动平稳性以理解为对振动信号周期性的一种衡量,如果振动平稳性较差,那么作为振动主要激励源的部件出现机械稳定性异常的可能性较大,其定义的公式如下:DET=l=lminNlP(l)l=1NlP(l)杭州国洲电力科技有限公司振动声学指纹监测数据采集装置。电抗器振动监测文献

各监测子系统的功能特点与技术参数。电抗器振动监测文献

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。电抗器振动监测文献

与振动相关的**
信息来源于互联网 本站不为信息真实性负责