智慧变电站
变压器声纹振动监测系统
变压器结构复杂，如果铁芯、绕组等部件发生结构变化或故障，将引起许多特征量变化，其中振动及声纹信号包含了变压器机械结构丰富的状态信息，可作为诊断缺陷及故障的重要特征参量。
需求痛点
常见的变压器状态监测与故障诊断方法所采用的状态量包括：油色谱、电磁、温度等，通常诊断发现时设备缺陷和故障已经形成，因此诊断存在滞后性。可听噪声与振动伴随变压器运行产生，根据DL/T573-2010《电力变压器检修导则》，变压器过载、不平衡负载、谐波负载、严重过热、直流偏磁、局部放电、绕组铁心松动、附件松动等多种缺陷均与变压器运行声音及振动有关。
声纹监测可与其他状态量监测技术互相补充，构成故障从“萌芽—发展——形成”的全过程、全阶段监测与预警体系，有效提高电力变压器安全稳定运行水平。随着电力设备智能运检体系的建设发展，对于状态监测与预警新技术的需求愈加凸显，利用声纹特征诊断变压器故障具有重要意义。
产品功能
-
灵活运用电容式麦克风、MEMS声纹阵列及振动传感器等不同监测手段实现对变压器等电力设备的异音实时在线监测及机械类故障的缺陷诊断
-
支持运用产品采集现场声纹样本，声纹库数据自动标签功能，并基于边缘算力和机器学习深度融合，对算法模型持续迭代优化，减少“异常”报警
-
自动诊断并识别多种故障类别，支持直流偏磁、绕组形变、风机老化、附件松动、 局部放电五大类典型故障，辅助运维人员决策
-
机器学习模型管理及一键部署，软件灵活，支持用户二次开发
核心优势
多类型拾音器适配不同场景
支持电容式麦克风、mems 声纹阵列两类非接触式传感器；以及贴面接触式声纹传感器；既适用于声纹的高精度测量，又适用于声纹可视化定位的场景需求。
先进的噪声分离技术
利用原始噪声小波包分解、谱减法语音增强技术相结合的变压器噪声分离方法，将电晕、风机、自然界等环境噪声进行有效分离。
声纹故障模型库
目前成熟积累直流偏磁，绕组形变，风机老化，附件松动，局部放电五大类故障的声纹模型库，结合机器学习算法进行异常偏离度监测，实现有效诊断。
实施案例
在某220kV 站内，通过系统采集并处理的变压器声纹频谱对比可以获知：该台主变声谱图中出现了能量较高的 150Hz、250Hz、 350Hz 等 50Hz 奇数倍频率分量，与正常情况下声纹能量分布不符，且奇偶次谐波比和频谱复杂度趋势图谱也出现明显的异常， 通过故障库模式识别对比可以确定该主变存在直流偏磁缺陷，检测结论经中性点接地电流检测证实。
我们的能源电力客户
我们的能源电力客户
