当前位置：首页 > news >正文

GIS局部放电图绘制指南

news 2025/5/27 11:25:16

GIS局部放电系统中PRPD图和PRPS图的绘制、数据需求及数据格式研究报告

1. 气体绝缘开关设备（GIS）中局部放电（PD）的介绍

在这里插入图片描述

1.1. PD在GIS绝缘劣化和故障诊断中的重要性

局部放电（PD）是一种局部性电气放电，它不完全桥接导体之间的绝缘，通常发生在电场应力集中的区域 1。这些放电是高压（HV）设备（包括气体绝缘开关设备，GIS）绝缘健康状况的关键指标 3。PD是绝缘劣化的前兆，若不及时诊断，可能导致灾难性故障 1。因此，早期检测和准确诊断对于有效的状态监测、预测性维护以及确保电网的可靠性和安全性至关重要 3。

GIS故障通常归因于内部绝缘缺陷，这些缺陷由于电场畸变而产生PD信号 3。GIS的紧凑设计和卓越可靠性使得PD监测尤为关键 4。PD信号不仅仅是故障存在的简单指示，它们蕴含着丰富的信息，能够反映缺陷的类型、严重程度以及随时间的演变 5。这意味着对PD模式的深入分析不仅仅是检测任务，更是一个复杂的诊断过程，对于主动的资产管理至关重要。通过深入分析PD模式，可以实现有针对性的维护操作，从而避免设备故障 5，并为正确评估PD危害和制定合理处置措施提供重要依据 3。这种诊断能力将PD监测从被动响应转变为主动、数据驱动的资产管理和风险评估的基石，优化维护策略，降低成本和停机时间。

1.2. GIS中常见PD类型概述

GIS中的PD可能源于多种物理和操作因素，通常与系统中的特定缺陷相关联。这些缺陷会影响PD的特性，包括其强度、频率和发展过程 4。常见的PD类型包括内部放电、表面放电、电晕放电、电树枝放电和阻挡放电 1。

内部放电： 通常由于绝缘体内部在制造过程或老化过程中形成空腔引起 1。在PRPD图中，这些放电可能呈现为三角形 11。
表面放电： 发生在绝缘体外部表面 5。
电晕放电： 源于电极尖端或尖锐点处不均匀的电场 5。其强度取决于表面和老化条件、施加电压以及天气情况 12。
浮动金属件/浮动电位放电： 由未接地金属部件引起 9。这些放电可能形成具有相似幅度和均匀间隔脉冲的“脉冲串” 14。
槽放电： 发生在定子铁心槽与主壁绝缘之间的气隙中 10。

2. 相位分辨局部放电（PRPD）图

2.1. 定义与基本原理（φ-q-n图）

相位分辨局部放电（PRPD）是一种广泛用于解释PD测量结果的方法，它以视觉方式呈现PD活动相对于交流（AC）周期360度的分布 5。每个捕获到的PD脉冲都根据其相对于工频正弦波的相位角（φ）和电荷量（q）进行量化 5。在预设的时间段内，PD脉冲的数量（n）随后在φ-q-n或PRPD图上进行可视化 5。PRPD图通常显示每个放电事件的幅度（y轴）与它们的相位角（x轴）之间的关系 15。点的密度或颜色通常代表PD事件的数量（脉冲计数） 15。

2.2. 轴的详细解释：相位角（x轴）、放电幅度（y轴）和脉冲计数（由密度或颜色表示）

X轴（相位角 φ）： 代表AC工频周期的360度 17。随着电力系统初级电压随时间上升和下降，施加在每个缺陷上的电压也随时间上升和下降，导致缺陷仅在特定时间和幅度下放电，从而形成PRPD模式 15。
Y轴（放电幅度 q）： 代表每个PD脉冲的幅度，通常以皮库（pC）或dBmV测量 17。这个视在电荷是业界最广泛接受的单位 21。
脉冲计数（n）： 在2D PRPD图中，通常通过点的密度或颜色刻度表示 15。这表示在特定相位和幅度窗口内PD脉冲的重复率 16。

2.3. 解释识别特定绝缘缺陷的特征PRPD模式

每个放电缺陷都会产生独特的PRPD模式，但不同缺陷类型存在共同趋势 9。PRPD模式用于识别特定类型的绝缘缺陷，从而指导有针对性的维护 5。

表1：GIS中常见PRPD模式及其相关缺陷类型

缺陷类型	典型PRPD特征	参考出处
内部空隙放电	通常在AC周期的第一象限（0-90°）显示负脉冲，在第三象限（180-270°）显示正脉冲。正负脉冲在幅度和分布上通常对称或近似对称。可能呈现三角形。	11
电晕放电	特征是数量众多、幅度较低的脉冲，通常出现在电压峰值附近（90°和270°）。通常不对称，某一极性脉冲更多。可能受环境条件影响。	9
表面放电	脉冲倾向于发生在AC电压过零点附近（0°、180°、360°），幅度通常高于电晕放电。可能不对称，并分布在更宽的相位范围。	5
浮动金属件/浮动电位放电	通常表现为独特的“脉冲串”或具有相似幅度且几乎均匀间隔的脉冲序列，横跨AC周期的很大一部分。可能显示少量高幅度脉冲，随后是大量小幅度脉冲。	9
槽放电	与定子铁心和绝缘之间气隙中的放电有关。可能受振动和绝缘老化的影响。（具体视觉模式细节在资料中未明确提供，但提及其存在和原因）。	10

PRPD模式还可以揭示放电的严重程度，以及活动是单相、两相还是三相 9。

尽管PRPD分析是一种有效的诊断技术，但其传统上高度依赖于具有专业知识的工程师的经验 5，并且是一个手动且耗时的过程 19。这限制了PRPD诊断的规模化和可及性，使其主要用于最关键或最昂贵的设备 5。然而，当前的趋势表明，研究人员正在积极开发新的方法，以实现PRPD模式的自动识别、提取和处理，从而无需人工干预 5。例如，Cosine Cluster Net (CCNet) 模型和AI驱动的PDSolver等解决方案正在被开发 11。这种从高度专业化的人工解释转向更易于访问、更快速且可能更一致的自动化诊断的转变，预示着该行业的重大变革。自动化系统的发展，特别是那些“与监测设备无关” 5且“快速高效” 5的系统，将使PD分析民主化，使其适用于更广泛的设备，并使非专业技术人员能够即时评估资产状况 25。这将对预防性维护策略产生深远影响，通过实现更广泛和及时的绝缘故障检测来降低成本并提高整体电网可靠性。

3. 相位分辨脉冲序列（PRPS）图

3.1. 定义与基本原理（3D表示：工频周期、相位、幅度）

相位分辨脉冲序列（PRPS）是PD测试中使用的另一种典型图表 15。与2D的PRPD不同，PRPS是一个3D图 15。X轴表示工频周期（例如，从0到50个周期），Y轴表示相位角（从0到360度），Z轴表示放电幅度 15。PRPS数据捕获了多个AC周期内的脉冲序列，提供了比单个PRPD模式更丰富的时间信息 7。

3.2. 与PRPD的比较及其在PD分析中的独特优势

虽然PRPD显示了PD活动相对于单个360度AC周期的分布 15，但PRPS通过增加时间维度对其进行了扩展，从而能够观察PD在多个周期内的演变 15。PRPS图像与PRPD图像一起用作高级诊断模型的输入数据，表明它们具有互补性 7。观察脉冲序列的能力可以提供关于放电机制的额外见解，特别是对于具有时间依赖性行为的缺陷，例如浮动电极 14。

PRPD是模式识别的既定标准，而PRPS提供了第三个维度（时间/工频周期），这对于理解PD的演变和动态特性至关重要，这些在静态PRPD图中可能被忽略。这意味着对于全面的诊断，尤其是在复杂或不断演变的绝缘缺陷中，结合PRPD和PRPS数据的多维方法提供了卓越的理解。PRPS提供的更丰富的时间数据对于诊断那些模式并非静态而是“随时间演变”的缺陷至关重要 5。这使得对绝缘劣化的理解更加细致入微，可能实现对细微变化的早期检测，或区分PRPD单独难以处理的多个同时发生的PD源 26。这强调了多信息集成学习的价值 3以及需要能够处理两种类型数据的工具以实现整体诊断方法的重要性。

4. PRPD和PRPS图绘制的数据采集

4.1. GIS相关PD测量技术概述

PD活动会产生各种物理现象，包括电信号、电磁波、声波、光和化学副产品 3。这些现象构成了不同检测方法的基础。常见的PD检测方法包括：

电气方法（常规）： 基于IEC 60270标准，使用耦合电容器和测量阻抗 2。该方法测量视在电荷，单位为pC 20。
超高频（UHF）方法： 使用UHF传感器或天线检测PD过程中发出的电磁波 3。它具有高灵敏度和强大的抗电磁干扰能力，特别适用于GIS 3。
高频电流互感器（HFCT）方法： 测量PD过程中产生的高频电流脉冲 15。HFCT通常夹在接地导体的周围 21。
声发射（AE）方法： 检测PD产生的超声波 3。它具有强大的抗电磁干扰能力 3。
光学方法： 检测PD产生的光波（例如，紫外光） 12。

4.2. 捕获PD信号的仪器和传感器类型

PD检测系统通常由传感器（例如HFCT、UHF天线）、工频相位单元、信号采集单元和信号处理分析单元组成 15。现代系统通常使用数字采集板连续记录完整的电波形 29。PicoScopes常被用作PD检测系统中的数据采集单元 15。采集方法的选择（模拟峰值检测器与过采样A/D转换）会影响精度和信号处理 30。

4.3. PRPD/PRPS图绘制所需的数据参数

为了构建PRPD和PRPS图，每个检测到的PD脉冲都需要以下关键参数：

表2：PRPD/PRPS图的关键数据参数

参数	描述	单位	意义
相位角（φ）	PD脉冲相对于AC工频周期的角度位置。	度（0-360°）	定义放电事件在图上的水平位置，对模式识别至关重要。
放电幅度（q）	PD脉冲的视在电荷或幅度。	皮库（pC）、mV、dBmV	定义放电事件的垂直位置，指示其强度和严重程度。
脉冲计数（n）	在定义时间段内特定相位和幅度区间内发生的PD事件数量。	计数（例如，脉冲/秒）	表示放电的密度或重复率，通常在2D图中通过颜色或强度可视化。
时间（t）	PD脉冲的时间序列，通常由工频周期数表示。	工频周期、秒	PRPS图的第三维，对于观察PD演变、非平稳性以及分离多个源至关重要。

4.4. 相位同步：重要性与方法

相位同步对于PRPD和PRPS分析至关重要，它确保PD脉冲能够正确映射到施加AC电压的相位角 5。这通常通过使用提供电压参考的工频相位单元来实现，该单元通常通过检测AC电压的过零点来获取 8。挑战包括由于PD工具相对于电压参考的位置而导致的测量中的相位偏移 19。

PD测量技术的选择（UHF、HFCT、声学、光学）直接影响所获取原始数据的特性（频率范围、信噪比、对干扰的敏感性），从而影响最终PRPD/PRPS图的保真度和可解释性。这意味着“最佳”技术是情境依赖的，并且多源数据融合提供了更强大的诊断能力。例如，UHF信号由于传播和衰减的差异，可能与光学信号具有不同的幅度分布和PRPD模式特征 13。电力变压器复杂的几何结构和不同的噪声源使得识别PD缺陷的严重程度和定位变得非常具有挑战性 1。此外，“单一PD数据和嘈杂PD数据”需要不同的处理方法 7。这突出表明，原始数据本身受到传感器和环境的影响，直接影响PRPD/PRPS的质量。外部干扰、内部噪声、信号衰减和复杂噪声环境等挑战 4要求采用先进的信号处理、优化传感器放置策略和鲁棒的干扰缓解技术 4。这促使了“多信息集成学习” 3或“基于UHF和超声波数据识别模型的融合输出” 3的概念，以利用互补信息并提高诊断准确性。因此，采集方法的选择和组合并非微不足道，而是实现可靠和全面PD诊断的基础。

5. PRPD和PRPS图生成的数据处理

5.1. 初始信号调节：滤波、降噪和干扰分离

原始PD信号经常受到各种来源（例如，通信设备、荧光灯、机械振动）的电噪声和干扰的污染 4。这种噪声会扭曲或掩盖真实的PD信号，使解释复杂化 4。有效的降噪对于准确的PD分析至关重要 4。技术包括滤波（例如，带通滤波器，用于将PD信号与工频和高频噪声分离） 26。采用先进的信号处理技术来降低采样要求并提高信噪比 26。诸如3PARD和3CFRD之类的方法用于在强干扰环境中区分PD源与噪声 8。自动聚类和PD分离技术也正在开发中，以对不同缺陷进行分类并将其与噪声分离 25。

真实世界PD测量中噪声和干扰的普遍存在不仅仅是一种干扰，它是一个根本性的挑战，直接影响PRPD/PRPS模式的准确性，进而影响缺陷诊断的可靠性。这意味着复杂的信号处理和噪声分离技术与初始数据采集同样重要，对于有意义的PD分析而言不可或缺。外部干扰、内部噪声和信号衰减等问题 4要求采取“先进的信号处理、优化传感器放置策略和鲁棒的干扰缓解技术” 4。诸如“对来自实时操作数据的相位分辨局部放电（PRPD）图进行数据清理和特征提取” 19以及“自动聚类和PD分离” 25等特定方法正在开发中。这表明噪声管理并非简单的滤波任务，而是涉及复杂的算法，以区分真实PD与干扰，甚至分离多个PD源。PD诊断的可靠性“取决于对PD活动的精确解释” 28，而这种解释直接受到噪声的损害。因此，PRPD/PRPS图的有效性以及随后的缺陷识别从根本上受到降噪和源分离成功与否的限制。这推动了对鲁棒算法和多通道同步测量 8的研究，以实现“卓越的抗干扰能力” 31并确保诊断模式的完整性。

5.2. 幅度量化和分箱策略

PD脉冲根据其幅度（视在电荷）进行量化 5。为了绘图，这些幅度通常被量化或分箱成离散级别。这涉及将PD脉冲分类到“幅度窗口”中 22。幅度窗口的数量可以变化，通常从16到1024 22。同样，360度相位周期被划分为“相位窗口”或“桶”（例如，36个桶，每个桶包含10个相位角） 19。相位窗口的数量可以从2到256不等 22。这种分箱过程简化了数据，以便于可视化和统计分析。

5.3. 脉冲计数算法和相位/幅度窗口内的聚合

在每个相位-幅度箱（或“窗口”）内，PD脉冲的数量被计数 5。这个计数（n）构成了PRPD图的第三维（通常用颜色或强度表示）。诸如k-means聚类等算法可以应用于处理PRPD数据，例如，通过根据相位桶内的y值（电压幅度）进行聚类来区分白噪声和PD信号 5。原始数据，即具有其幅度、相位和发生时间的单个PD事件，被聚合成一个矩阵，其中每个单元格对应一个相位-幅度箱，并包含该箱的脉冲计数。

5.4. 将原始时域数据转换为PRPD/PRPS矩阵的计算步骤

整个过程包括：

信号采集： 捕获时域中的原始PD信号（例如，电流脉冲、电磁波） 15。
相位同步： 将检测到的PD脉冲与施加的AC电压的相位对齐 8。
脉冲检测和特征提取： 识别单个PD脉冲并提取其峰值幅度（大小）、精确相位角和发生时间 20。
分箱： 将幅度和相位数据量化为离散的箱 19。
计数： 统计PRPD中每个（相位，幅度）箱或PRPS中每个（工频周期，相位，幅度）箱内的脉冲数量 5。
矩阵形成： 构建一个2D或3D矩阵（例如，直方图结构），其中单元格值表示脉冲计数，以便于可视化。

图像处理管道和聚类算法用于从2D PRPD图中提取和处理模式 5。

6. 数据格式和行业标准

6.1. 行业标准：重点关注IEC 60270

PD测量最重要的标准是IEC 60270: 高压测试技术 – 局部放电测量 2。该标准适用于使用高达400 Hz的交流电压或直流电压测试电气设备、组件或系统中的PD测量 2。IEC 60270定义了关键术语、测试电路、测量量（例如，以pC为单位的视在电荷）、校准要求和测试程序指南 6。它已成为许多其他标准的规范性参考 32。符合IEC 60270可确保不同系统和实验室之间PD测量的一致性和可比性 21。其他标准，如IEC 60034-27-2（用于旋转电机），也概述了PRPD模式 12。

表3：PD测量和数据相关行业标准

标准	标题	范围/相关性	参考出处
IEC 60270	高压测试技术 – 局部放电测量	常规电气PD测量的基础标准（AC高达400 Hz，DC）。定义视在电荷、测试电路、校准和一般程序。确保测量的一致性和可比性。	2
IEC 60034-27-2	旋转电机 – 第27-2部分：旋转电机定子绕组绝缘局部放电测量	概述旋转电机的特定PRPD模式，提供诊断指导。	12
IEC 62478	高压测试技术 – 电磁和声学方法测量局部放电	规范使用电磁（UHF）和声学方法进行PD测量，补充IEC 60270对常规电气方法的关注。	12
IEEE Std 400.2	使用甚低频（VLF）对屏蔽电力电缆系统进行现场测试的指南	提及与电缆中PD检测相关的验收测试电压水平，暗示PD测试程序的指南。	33

尽管IEC 60270等基础标准的存在，但PRPD模式的生成或显示方式缺乏通用标准 5，以及专有数据格式的普遍存在 5，带来了显著的互操作性挑战。这种缺乏标准化使得不同制造商设备的结果难以比较，也难以整合来自不同监测系统的数据。这个问题通过开发“与监测设备无关” 5和“不依赖特定制造商设备” 5的解决方案得到了凸显。例如，CCNet模型“可以处理任何PRPD图像，无论测量方式和呈现方式如何” 5，这直接弥补了专有格式和显示差异造成的互操作性差距。PRPD/PRPS模式缺乏通用数据格式或显示标准，阻碍了协作研究、大规模数据分析和通用AI/ML模型的开发。克服这一问题需要行业内普遍采用开放标准进行数据导出/显示，或持续开发高度灵活的“无关”分析工具，以规范化各种输入。这将显著加速自动化PD诊断和基于状态的维护领域的进步。

6.2. 存储原始和处理PD数据的常用数据格式

PD测量系统会生成大量数据，需要高效的存储格式。

专有格式： 许多商业PD测量系统（例如，OMICRON MPD 600）使用自己的专有格式存储原始和处理过的数据，这些格式通常与其分析软件集成 31。
科学数据格式：
- 分层数据格式（HDF/HDF5）： 旨在存储和组织大量科学数据，包括多维数组（数据集）和组。HDF5允许仅读取所需数据，对于大型时间序列或多通道PD数据而言效率很高 34。
- 网络通用数据格式（NetCDF）： 另一种广泛用于科学数据，特别是面向数组数据的格式 34。
- ASCII/CSV： 简单、人类可读的结构化数据格式，适用于较小的数据集或汇总统计数据，但对于大型、高分辨率的原始波形效率较低 34。
- JSON： 一种轻量级数据交换格式，适用于与PD测量相关的结构化元数据或配置 34。
对“原始放电波形”记录的需求表明，倾向于使用能够保留原始时间序列数据保真度的格式 35。

7. 绘图软件工具和编程

7.1. PD分析的商业和开源软件概述

商业系统，如OMICRON的MPD 600，提供复杂的分析软件，具有先进的显示和评估功能 31。这些系统通常包括同步多通道PD测量和记录，以及自动化报告功能 31。专门的软件工具，如在Matlab中开发的“PRPD-time tool”，通过结合PRPD模式和额外的特征参数来辅助绝缘诊断过程 36。AI驱动的解决方案，如PDSolver，正在兴起，用于自动和即时诊断、缺陷类型识别和临界性评估 25。

7.2. 自定义绘图的编程方法（例如，Python与Matplotlib、MATLAB）

研究人员经常使用编程语言和库进行自定义PD数据分析和可视化。

Python：
- Matplotlib： 一种广泛使用的Python库，用于创建静态、动画和交互式可视化图表 37。它可以用于生成简单的线图、散点图，并自定义轴、标签和标题 38。
- NumPy和Pandas： 对于数值运算和数据处理至关重要 37。
- pdcluster包： 一个R语言包（Python中存在类似概念的工具），提供特征生成、探索性图形分析、聚类和相位分辨局部放电模式的工具 40。
MATLAB： 一个强大的数值计算、可视化和编程环境，在工程和研究领域常用于PD分析 36。

7.3. 数据结构和绘图库使用的示例

对于PRPD绘图，数据通常以（相位角，放电幅度）对的列表或数组形式组织，第三个维度（例如，颜色映射或箱计数）表示脉冲密度。

一个使用Matplotlib绘制散点图（适用于PRPD，其中每个点代表一个放电事件）的简单Python示例：

import matplotlib.pyplot as plt
import numpy as np

# 示例数据：相位角（x）和放电幅度（y）
# 在实际场景中，这些数据将来自处理过的PD测量结果。
phase_angles = np.random.uniform(0, 360, 1000) # 1000个随机相位角
discharge_magnitudes = np.random.exponential(50, 1000) + np.random.normal(0, 5, 1000) # 示例幅度，单位pC

# 对于脉冲计数（n），可以使用2D直方图或密度图
# 这里，我们将使用散点图，其中密度可以通过视觉或颜色编码来推断
# 对于真正的φ-q-n图，需要对数据进行分箱并使用热图/等高线图。

plt.figure(figsize=(12, 6))
plt.scatter(phase_angles, discharge_magnitudes, s=5, alpha=0.6, c=‘blue’) # s表示大小，alpha表示透明度
plt.xlabel(‘相位角 (度)’)
plt.ylabel(‘放电幅度 (pC)’)
plt.title(‘相位分辨局部放电 (PRPD) 图示例’)
plt.xlim(0, 360)
plt.grid(True, linestyle=‘–’, alpha=0.7)
plt.show()

对于PRPS，可以使用3D散点图或一系列随时间（工频周期）变化的2D PRPD图。

计算工具和编程库的日益普及，加上机器学习的进步，正在将PD分析从一个纯粹的经验性、专家驱动的领域转变为一门数据驱动的科学。这意味着未来的PD诊断系统将严重依赖于自动化特征提取、模式识别和预测建模，要求工程师掌握数据科学工具。传统的PRPD分析“依赖于工程师的专业知识” 5，并且是“手动且耗时”的 19。这限制了效率和可扩展性。多项研究强调了“无需人工干预”识别、提取和处理PRPD模式的新方法 5，其中包括“作为图像处理管道的Cosine Cluster Net (CCNet) 模型” 11和用于自动缺陷识别的“AI识别” 25。利用“深度学习自动提取特征” 3和“基于机器学习（ML）的智能诊断” 24是一个反复出现的主题。统计数据特征和图像数据特征的整合 3进一步指向多模态数据分析方法。这种转变标志着一个范式转变，其中传统方法中“深度学习自动提取特征的强大能力并未得到发挥” 3。使“非专业技术人员能够即时评估资产状况” 25的能力将分散和加速故障诊断。这意味着该领域未来的工程师和研究人员将越来越需要数据采集、处理和机器学习方面的技能，以有效利用这些先进的诊断能力，从人工解释转向利用计算能力实现更准确、更快速和可扩展的状态监测。

8. 结论与未来展望

8.1. 主要发现总结及PRPD/PRPS分析的重要性

PRPD和PRPS图是评估GIS绝缘健康状况不可或缺的诊断工具，它们通过视觉方式呈现局部放电活动。准确的绘图需要精确获取放电幅度、相位角和脉冲计数，并与交流电压参考进行严格同步。IEC 60270标准为这些测量提供了基本框架，确保了一致性和可靠性。数据处理涉及关键步骤，例如降噪、幅度量化和脉冲计数，以将原始信号转换为有意义的模式。PRPD和PRPS图中观察到的独特模式对于识别特定类型的绝缘缺陷至关重要，从而实现有针对性的维护并防止灾难性故障。

8.2. PD诊断面临的挑战和未来趋势简要讨论

挑战：
- 噪声和干扰： 外部电磁干扰和内部噪声仍然是重大挑战，需要先进的信号处理和鲁棒的缓解技术 4。
- 多缺陷源： 多个PD源同时存在可能导致模式重叠，使解释变得困难 18。
- 对专业知识的依赖： 传统的PRPD分析严重依赖专家知识，限制了其可扩展性和可及性 5。
- 标准化差距： 尽管存在测量标准，但PRPD模式显示和数据格式的标准化仍然不足，阻碍了互操作性 5。
未来趋势：
- 自动化和AI/ML集成： 明显的趋势是利用机器学习和深度学习算法实现PD模式的自动化识别，摆脱人工解释 5。
- 多信息融合： 结合来自各种检测方法（UHF、声学、光学）和不同数据特征（统计、图像、时间分辨）的数据，以实现更高的诊断准确性和可靠性 3。
- 在线监测和实时诊断： 开发用于连续在线PD监测和实时诊断的鲁棒、快速和高效系统 11。
- 设备无关解决方案： 能够处理PRPD图像的工具，无论具体的测量设备或显示方法如何，从而提高灵活性和适用性 5。

引用的参考链接

Overview and Partial Discharge Analysis of Power Transformers: A Literature Review - SciSpace, 访问时间为五月 26, 2025， https://scispace.com/pdf/overview-and-partial-discharge-analysis-of-power-5fz54kob3r.pdf
The Basics of Partial Discharge Testing - HV TECHNOLOGIES, Inc., 访问时间为五月 26, 2025， https://www.hvtechnologies.com/the-basics-of-partial-discharge-testing/
A Novel Method for Pattern Recognition of GIS Partial Discharge via Multi-Information Ensemble Learning, 访问时间为五月 26, 2025， https://pmc.ncbi.nlm.nih.gov/articles/PMC9317780/
HYBRID METHODOLOGY FOR ENHANCED PARTIAL DISCHARGE DETECTION IN GAS-INSULATED SWITCHGEAR - IRJMETS, 访问时间为五月 26, 2025， https://www.irjmets.com/uploadedfiles/paper//issue_12_december_2024/65824/final/fin_irjmets1735723507.pdf
Phase-Resolved Partial Discharge (PRPD) Pattern Recognition Using Image Processing Template Matching - PMC, 访问时间为五月 26, 2025， https://pmc.ncbi.nlm.nih.gov/articles/PMC11175222/
Partial Discharge Source Classification in Power Transformers: A Systematic Literature Review - MDPI, 访问时间为五月 26, 2025， https://www.mdpi.com/2076-3417/14/14/6097
Recognition of partial discharge in GIS based on image feature fusion - AIMS Press, 访问时间为五月 26, 2025， http://www.aimspress.com/aimspress-data/aimse/2024/6/PDF/energy-12-06-052.pdf
How to Analyze Partial Discharge - OMICRON, 访问时间为五月 26, 2025， https://www.omicronenergy.com/download/document/578DF6B6-7460-454C-8DAE-D61A47F6A089/
Understanding Phase Plots | EA Technology Australia, 访问时间为五月 26, 2025， https://eatechnology.com/australia/resources/blogs/high-voltage/what-is-a-partial-discharge-phase-plot-telling-you/
A Review of Knowledge-Based Defect Identification via PRPD Patterns in High Voltage Apparatus - SciSpace, 访问时间为五月 26, 2025， https://scispace.com/pdf/a-review-of-knowledge-based-defect-identification-via-prpd-r15aehi6wy.pdf
Phase-Resolved Partial Discharge (PRPD) Pattern Recognition Using Image Processing Template Matching - ResearchGate, 访问时间为五月 26, 2025， https://www.researchgate.net/publication/381140729_Phase-Resolved_Partial_Discharge_PRPD_Pattern_Recognition_Using_Image_Processing_Template_Matching
(Left) Surface discharge. (Right) Internal discharge PRPD pattern. | Download Scientific Diagram - ResearchGate, 访问时间为五月 26, 2025， https://www.researchgate.net/figure/Left-Surface-discharge-Right-Internal-discharge-PRPD-pattern_fig11_319000009
(a) Corona discharge PRPD pattern measured in an off-line experiment at… - ResearchGate, 访问时间为五月 26, 2025， https://www.researchgate.net/figure/a-Corona-discharge-PRPD-pattern-measured-in-an-off-line-experiment-at-the-junction-of_fig28_351770183
PRPD pattern of a typical floating electrode defect. - ResearchGate, 访问时间为五月 26, 2025， https://www.researchgate.net/figure/PRPD-pattern-of-a-typical-floating-electrode-defect_fig4_337946166
How to Test Partial Discharge with PicoScopes - - Techmezine, 访问时间为五月 26, 2025， https://www.techmezine.com/article/how-to-test-partial-discharge-with-picoscopes/
Partial Discharge Source Identification Using Phase Window Analysis of PRPD Data - ISH Collection - E-Cigre, 访问时间为五月 26, 2025， https://www.e-cigre.org/publications/detail/ish2015-47-partial-discharge-source-identification-using-phase-window-analysis-of-prpd-data.html
What is a Phase Resolved Partial Discharge (PRPD) Plot telling you? - EA Technology, 访问时间为五月 26, 2025， https://eatechnology.com/americas/resources/faq/what-is-a-phase-resolved-partial-discharge-prpd-plot-telling-you/
Distinguishing Between Phase to Ground, Phase to Phase and Cross-Coupled PD Signals in Stator Windings | Iris Power, 访问时间为五月 26, 2025， https://irispower.com/wp-content/uploads/2022/08/2021-EIC-Distinguishing-Between-Phase-to-Ground-Phase-to-Phase-and-Cross-Coupled-PD-Signals-in-Stator-Windings.pdf
Partial Discharge Diagnostics: Data Cleaning and Feature Extraction - MDPI, 访问时间为五月 26, 2025， https://www.mdpi.com/1996-1073/15/2/508
IS/IEC 60270 (2000): High – Voltage Test Techniques – Partial Discharge Measurements - Law is the operating system of our society. So show me the manual!, 访问时间为五月 26, 2025， https://law.resource.org/pub/in/bis/S05/is.iec.60270.2000.pdf
A Guide for Partial Discharge Measurements on medium voltage (MV) and high voltage (HV) apparatus - OMICRON, 访问时间为五月 26, 2025， https://www.omicronenergy.com/download/file/fb29b0a044fcf4cb50e54e8a7a97d04e/
application of pulse width analysis to partial discharge detection, 访问时间为五月 26, 2025， https://www.marubun.co.jp/wp-content/uploads/a7ijkd000000119x/isei-92.pdf
PRPD pattern for PD Source 1: corona and surface discharges. - ResearchGate, 访问时间为五月 26, 2025， https://www.researchgate.net/figure/PRPD-pattern-for-PD-Source-1-corona-and-surface-discharges_fig12_312316740
PRPD patterns of the floating defect under 20 kV. (a) A PRPD pattern of the optical detection and (b) a PRPD pattern of the UHF detection. - ResearchGate, 访问时间为五月 26, 2025， https://www.researchgate.net/figure/PRPD-patterns-of-the-floating-defect-under-20-kV-a-A-PRPD-pattern-of-the-optical_fig5_336932106
Partial Discharge Monitoring: PDSolver and PDPico - Ampacimon, 访问时间为五月 26, 2025， https://www.ampacimon.com/partial-discharge-monitoring/pd-spot-testing
Identification of Partial Discharge Sources by Feature Extraction from a Signal Conditioning System - PMC, 访问时间为五月 26, 2025， https://pmc.ncbi.nlm.nih.gov/articles/PMC11014056/
Partial Discharge Tester Model 19501 - Chroma ATE Inc., 访问时间为五月 26, 2025， https://www.chromaate.com/eu/product/partial_discharge_tester_19501_503
A Review on the Classification of Partial Discharges in Medium-Voltage Cables: Detection, Feature Extraction, Artificial Intelligence-Based Classification, and Optimization Techniques - MDPI, 访问时间为五月 26, 2025， https://www.mdpi.com/1996-1073/17/5/1142
New Method for Measuring Statistical Distributions of Partial Discharge Pulses - National Institute of Standards and Technology, 访问时间为五月 26, 2025， https://nvlpubs.nist.gov/nistpubs/jres/102/5/j25wan.pdf
Acquiring the Peak Amplitude of a Partial Discharge Impulse - ResearchGate, 访问时间为五月 26, 2025， https://www.researchgate.net/publication/383464723_Acquiring_the_Peak_Amplitude_of_a_Partial_Discharge_Impulse
MPD 600 - High-end partial discharge measurement and analysis system, 访问时间为五月 26, 2025， https://assets-us-01.kc-usercontent.com/ecb176a6-5a2e-0000-8943-84491e5fc8d1/75d69649-a958-4596-a63a-22754a428891/Omicron%20MPD%20600%20Partial%20Discharge%20Measurement%20and%20Analysis%20System%20Brochure.pdf
A Guide to Partial Discharge Measurements on Medium-Vortage (MV) and High-Voltage (HV) Apparatus - OMICRON, 访问时间为五月 26, 2025， https://www.omicronenergy.com/download/file/e5e8a545dfbaebe53f6487fe7f4886a9
Partial discharge detection using oscillating voltage at different frequencies - ResearchGate, 访问时间为五月 26, 2025， https://www.researchgate.net/publication/3950636_Partial_discharge_detection_using_oscillating_voltage_at_different_frequencies?_tp=eyJjb250ZXh0Ijp7InBhZ2UiOiJzY2llbnRpZmljQ29udHJpYnV0aW9ucyIsInByZXZpb3VzUGFnZSI6bnVsbCwic3ViUGFnZSI6bnVsbH19
Data Formats | NASA Earthdata, 访问时间为五月 26, 2025， https://www.earthdata.nasa.gov/learn/earth-observation-data-basics/data-formats
Research on a Partial Discharge Expert System for the Diagnosis of Damaged Transformation Equipment - MDPI, 访问时间为五月 26, 2025， https://www.mdpi.com/2076-3417/14/3/1195
Separation of Partial Discharge Sources Measured in the High-Frequency Range with HFCT Sensors Using PRPD-teff Patterns, 访问时间为五月 26, 2025， https://pmc.ncbi.nlm.nih.gov/articles/PMC7013845/
Partial Dependence Plots with Python: A Comprehensive Guide - Train in Data’s Blog, 访问时间为五月 26, 2025， https://www.blog.trainindata.com/partial-dependence-plots-with-python/
Simple Plot in Python using Matplotlib - GeeksforGeeks, 访问时间为五月 26, 2025， https://www.geeksforgeeks.org/simple-plot-in-python-using-matplotlib/
Introduction to Plotting with Matplotlib - Neural Data Science in Python, 访问时间为五月 26, 2025， https://neuraldatascience.io/4-viz/plotting.html
pdCluster: Partial Discharges Clustering, 访问时间为五月 26, 2025， http://oscarperpinan.github.io/pdcluster/