3.2.3云平台服务器各项监测的数据经现场的数据采集装置通过4G/5G无线传输模组（或电力光纤专网）传送至云服务器进行存储及深度计算，远端通过浏览器登录云服务器可随时随的查看系统监测与诊断内容，对变压器进行运行状态的监测与诊断分析。云平台系统结构图如下图7所示，采用B/S结构（浏览器/服务器模式），提供本系统的数据深度计算、存储及浏览器查看服务，便于管理。3.3信号分析与处理3.3.1OLTC运行状态分析OLTC动作时，典型声纹振动和驱动电机电流的信号如下图8所示。通过分解时域内典型信号区间，可有效判断分接开关驱动电机启动、分接选择器断开、分接选择器闭合、切换开关动作、驱动电机制动等动作顺序，进而分析分接开关的运行状态。杭州国洲电力科技有限公司振动声学指纹在线监测技术的行业应用前景。专注振动前景
在运用 AFV 信号分析法判断 OLTC 状态时，要充分考虑 OLTC 运行环境对信号的影响。OLTC 通常在复杂的电磁环境和温度变化条件下运行，这些环境因素可能会对其振动信号产生干扰。例如，高温环境可能会导致变压器油的粘度发生变化，从而影响脉冲冲击力的传递特性，使振动信号的幅值和频率发生改变。此外，电磁干扰也可能会在振动信号中引入噪声，影响信号的准确性。因此，在采用 AFV 信号分析法时，需要采取相应的抗干扰措施，如滤波处理、屏蔽技术等，确保采集到的振动信号能够真实反映 OLTC 的运行状态，提高故障诊断的准确性。监测振动利润杭州国洲电力科技有限公司振动声学指纹在线监测技术的市场需求分析。
利用 AFV 信号分析法对 OLTC 进行状态监测，需要建立完善的信号分析体系。OLTC 在运行过程中产生的振动信号是复杂的，受到多种因素的影响。我们需要通过对大量正常和故障状态下的 OLTC 振动信号进行采集和分析，建立起故障类型与信号特征之间的数据库。例如，针对触头接触不良、触头磨损、弹簧弹性下降等不同故障类型，分别确定其对应的振动信号特征模式。在实际监测中，将采集到的 OLTC 振动信号与数据库中的模式进行比对，通过模式识别技术准确判断 OLTC 的故障类型和状态，实现对 OLTC 的智能化监测和管理。
OLTC 的正常运行对电力系统的稳定性至关重要，而 AFV 信号分析法是保障其稳定运行的重要工具。OLTC 在切换过程中，内部机械部件的运动撞击和摩擦会产生复杂的振动信号，这些信号蕴含着丰富的设备健康信息。通过 AFV 传感器监测这些信号，我们可以实时了解 OLTC 的工作状态。例如，当 OLTC 出现弹簧弹性下降的故障时，其振动信号的阻尼特性会发生改变，信号的衰减速度与正常状态不同。借助 AFV 信号分析法，我们能够准确捕捉到这些细微变化，及时发现故障隐患，采取针对性的维修措施，确保 OLTC 始终处于良好的运行状态。杭州国洲电力科技有限公司振动声学指纹在线监测技术的客户反馈分析。
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的企业愿景与使命。专注振动技术指导
杭州国洲电力科技有限公司振动声学指纹在线监测技术的环保效益分析。专注振动前景
4.1.9智能分析功能：软件内置典型故障特征的数据库，可与监测数据进行比对，通过信号波形、时间长度和幅值等特征值，诊断分析故障类型；也可添加新监测数据，方便后期横向、纵向比较；可将同一厂家同一型号的正常监测数据导入保存，便于对该厂家、型号的变压器监测数据曲线进行比对分析。4.1.10具有报表分析功能，自动计算并保存重合度、动作时间、能量分布、电流最大值、电流平均值、绕组及铁芯振动峰值频率、总谐波畸变率、基频能量比、互相关系数等特征参量，并生成分析报表。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信号及驱动电机电流信号，完成OLTC信号包络、ATF图谱等分析，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。专注振动前景
