当前位置：首页 > news >正文

气体绝缘开关设备局部放电监测中PRPD和PRPS图谱的深度分析

news 2025/6/7 6:30:20

气体绝缘开关设备局部放电监测中PRPD和PRPS图谱的深度分析

1. 引言

局部放电（Partial Discharge, PD）是高压电气设备绝缘系统中的一种局部性电击穿现象，它仅部分桥接导体之间的绝缘，通常发生在绝缘材料内部的空腔或表面，在高电压应力下发生 1。在气体绝缘开关设备（Gas Insulated Switchgear, GIS）中，局部放电是内部绝缘缺陷（如跳动颗粒、悬浮电位、绝缘子裂纹或突出物）的早期关键指标，预示着绝缘劣化并最终可能导致击穿 3。GIS设备的故障，特别是绝缘故障，可能导致严重的后果和巨大的经济损失 5。

持续的局部放电活动会随着时间的推移不断加剧绝缘劣化 5。因此，对GIS设备中的局部放电进行及时检测、准确诊断和有效监测，对于确保其正常运行、保障电网安全与可靠性至关重要 5。现代GIS监测系统，例如GISmonitor，被设计为能够自主检测这些隐蔽缺陷，通过持续的数据采集、存储和分析，提供局部放电活动发展的全面视图 3。这些系统使得运营商能够跟踪老化机制并根据连续数据评估采取行动的紧迫性 3。这种持续的、自主的监测和诊断能力，使得维护策略从传统的被动式维护（即在故障发生后进行修复）转变为主动的、基于状态的维护。通过在绝缘系统发生灾难性故障之前识别局部放电活动，可以制定有针对性的维护计划，优化资源分配，并避免意外停机，从而显著提高电网的可靠性、运营效率和安全性。

相位分辨局部放电（Phase-Resolved Partial Discharge, PRPD）图谱和相位分辨脉冲序列（Phase-Resolved Pulse Sequence, PRPS）图谱是评估GIS绝缘状态不可或缺的工具 4。它们通过将单个放电事件与施加交流电压周期的瞬时相位角相关联，提供了局部放电活动的视觉和定量表示 13。这些图谱对于识别和理解高压（HV）绝缘系统内部或表面存在的特定缺陷类型至关重要 13。通过分析这些图谱所展现出的独特特征和趋势，工程师能够准确诊断绝缘缺陷的性质和严重程度 7。PRPD作为一种广泛使用的局部放电测量和分析方法，在识别缺陷因素方面发挥着关键作用 18。而PRPS则提供了一种更全面的三维表示，其主要优势在于能够保留PRPD数据存储结构中可能随时间丢失或聚合的详细脉冲生成信息 18。这使得PRPS在验证诊断系统和生成模拟局部放电模式方面具有独特价值 18。最终，准确解释这些复杂图谱的能力对于维持高压资产的长期可靠性并主动预防灾难性故障至关重要 14。这些图谱将局部放电监测从简单的“存在与否”的检测提升到精确的故障诊断，使得维护决策更具针对性和效率。
在这里插入图片描述

2. 局部放电 (PD) 的基本原理与检测方法

2.1 局部放电的物理机制

局部放电本质上是高压电绝缘系统在电应力作用下，绝缘介质内部或表面发生的局部性介电击穿现象，它并未完全贯穿两个导体之间的绝缘空间 2。在GIS设备中，局部放电通常始于固体介质（如铸树脂）内部的微小空隙、裂纹或夹杂物，导体-介质界面处，或液体绝缘中的气泡内 20。

其核心物理原理在于，由于空隙内部气体的介电常数远低于周围的固体介质，导致空隙两端的电场强度显著高于相同距离的周围介质。当空隙上的电压应力超过气体的电晕起始电压时，局部放电活动便会发生 20。局部放电的发生伴随着一系列瞬态的物理现象：

电磁波辐射： 在高压SF6气体中，局部放电脉冲的持续时间极短（约几纳秒），上升时间也极快（约1纳秒）。这种持续时间极短、波头陡峭的脉冲会产生频率高达GHz的电磁波，这些电磁波在GIS设备外壳上流动并辐射到周围空间 21。这是特高频（UHF）检测的基础。
声波与超声波： 局部放电还会导致放电通道内气体压力骤增，从而在GIS设备内部气体中产生纵波或超声波，并在金属外壳上产生各种声波（如纵波、横波和表面波） 5。
光发射： 局部放电有时也会引起SF6气体分解或发光 21。
化学变化： 由于局部放电活动，SF6气体可能会分解产生特定的化学副产物 21。

这些伴随局部放电发生的多物理和化学效应变化，构成了GIS设备在线检测的根本基础 21。局部放电的这种多现象特性，意味着仅仅依靠单一的检测方法可能无法捕获所有关键信息，或者容易受到特定环境干扰的影响。例如，声学检测方法具有强大的抗电磁干扰能力 5，与电学方法形成互补。因此，整合和融合来自多种检测模式（如UHF和超声波数据融合）的数据，可以更全面、更智能地处理多源信息，从而比单一信息源获得更准确、更全面的诊断判断，有效提高其综合识别能力 5。这种方法对于在复杂且电磁噪声严重的运行环境中进行局部放电诊断尤为关键，能够显著提升诊断的鲁棒性和可靠性。

2.2 GIS中局部放电的典型缺陷类型

GIS设备中的局部放电可能源于多种内部绝缘缺陷和不完善之处，每种缺陷都会产生独特的放电模式：

游离颗粒放电 (Free Particle Discharge)： 由SF6气体绝缘系统内部存在的导电颗粒（如金属屑）引起，这些颗粒在电场作用下可能移动并引发放电 3。
悬浮电极放电 (Floating Electrode Discharge)： 当导电部件未正确接地或连接松动时发生，形成一个处于不同电位的暴露导体。这可能是制造缺陷或安装错误造成的 3。这种放电被认为是常见的局部放电类型 22。
内部空隙放电 (Internal Void Discharge)： 发生在固体绝缘材料（如铸树脂）内部气体填充的空隙或腔体中的放电 13。这类放电被认为具有高度破坏性，并会持续发展直至绝缘完全失效 22。
表面放电 (Surface Discharge)： 沿着绝缘子表面发生的放电，通常由污染、潮气侵入或绝缘子表面风化引起 14。它可能具有很强的破坏性，与电晕放电不同，它通常会沿着表面追踪到接地金属 22。严重的电晕状况也可能演变为表面放电 22。
电晕放电 (Corona Discharge)： 从导体尖锐点或边缘向周围空气发生的放电，通常发生在电场高度不均匀的区域 13。虽然通常不如内部放电具有破坏性（除了声音和射频发射），但它可能预示着绝缘应力 22。在GIS中，由于定子绕组末端电场分布极不均匀，可能发生电晕放电 23。
绝缘子裂纹/缺陷 (Cracks in Insulators / Defective Insulator)： 固体介质材料本身的物理缺陷或劣化 3。
突出物 (Protrusion)： 导体表面上的尖锐点或不规则性，会集中电场，导致局部击穿 3。
接触不良 (Poor Contact Issues)： 可能导致悬浮金属件或由于部件之间存在气隙而产生槽放电 13。

2.3 局部放电的检测技术概述

局部放电检测方法大致可分为电学检测法和非电学检测法，每种方法都有其独特的优势和应用场景 2。

特高频 (UHF) 检测 (Ultra-High Frequency (UHF) Detection)：
- 原理： 测量由快速瞬态局部放电脉冲产生的、在特高频（UHF）范围内传播的电磁波，频率通常为100 MHz至2000 MHz 4，甚至高达3 GHz 8。
- 优势： UHF检测灵敏度高，能够捕获极其微弱的局部放电信号 24。它具有强大的抗电磁干扰能力，特别适用于电磁噪声较大的GIS局部放电监测环境 2。此外，它还具有非侵入性特点 8。
- 应用： 广泛应用于气体绝缘开关设备（GIS）和气体绝缘线路（GIL）的灵敏离线和在线局部放电测量与分析 4。Megger GISmonitor和OMICRON UHF 800等系统都强调并行、多通道UHF局部放电测量 3。
- UHF检测在GIS局部放电监测中占据主导地位，这直接源于局部放电的物理特性。在SF6气体中，局部放电脉冲的持续时间极短（纳秒级），上升时间极快（约1纳秒），这些特性使其产生的信号主要集中在特高频范围 21。因此，UHF检测方法能够最有效地捕获这些特定的、快速瞬态信号。此外，UHF信号受电力系统较低频率电磁干扰的影响较小，提供了强大的抗电磁干扰能力 5。这种对目标信号的灵敏度和对噪声的鲁棒性相结合，使得UHF“特别适用于GIS局部放电监测” 5。检测技术的选择并非随意，而是由被测量现象的物理特性和环境条件决定的。UHF在GIS局部放电监测中的广泛应用和重视，正是其与SF6中局部放电特性以及在高压变电站中优越的抗噪能力完美匹配的直接结果。
声学检测 (Acoustic Detection)：
- 原理： 检测局部放电事件中放电通道内气体突然膨胀产生的超声波 2。
- 优势： 具有强大的抗电磁干扰能力，在高电磁噪声环境中具有优势 5。也可用于局部放电定位 8。
- 缺点： 易受介质内声波衰减和外部声学噪声干扰的影响 8。
- 应用： 常与UHF检测结合，作为多信息融合策略的一部分，以提高诊断可靠性 5。
电学检测 (Electrical Detection)：
- 原理： 根据国际标准，使用耦合电容器和测量阻抗，测量局部放电脉冲的视在电荷，通常以皮库仑（pC）为单位 2。
- 优势： 灵敏度高，可根据既定标准进行校准 8。为离线测试和出厂验收提供准确结果 8。
- 缺点： 工作频率范围较低（通常低于1 MHz），更容易受到电力系统噪声干扰，不适用于复杂环境下的连续在线监测 8。
- 应用： 主要用于实验室研究、出厂验收测试和现场调试 11。
其他检测方法 (Other Detection Methods)：
- 光学法： 依赖于检测放电过程中的光发射。它具有非侵入性、高灵敏度和抗干扰性，但成本较高 8。
- SF6气体分解产物检测法： 分析SF6气体因局部放电而分解产生的化学副产物 21。
- 多信息融合学习： 一种新颖的方法，融合来自各种检测方法（例如UHF和超声波数据）的互补信息，以实现比单一特征分析显著更高的诊断准确性（例如高达97.50%） 5。该方法旨在综合处理多源信息，以实现更准确、更全面的判断 5。

2.4 相关国际标准简介

IEC 60270 – 高压试验技术 – 局部放电测量：
- 这是一项基础性国际标准，定义了电气设备中局部放电测量的通用准则 20。它适用于使用高达400 Hz的交流电压和直流电压进行的局部放电电学测量 25。
- 该标准规定了测试电路、测量量（如视在电荷）、校准要求和测试程序指导等关键参数 20。
- IEC 60270已成为局部放电测量中最常用的标准之一，并作为许多其他特定设备标准的规范性参考 25。它对于确保出厂验收测试、现场调试和日常电气维护中的一致性和可靠性至关重要 11。
CIGRE (国际大电网会议)：
- CIGRE是一个致力于电力系统专业知识开发和交流的全球性社区。它发布技术手册和指南，提供局部放电测量和GIS绝缘状态评估各个方面的深入分析和建议。
- 例如，CIGRE技术手册（TB）444，“非常规局部放电测量指南”（2010年发布），讨论了局部放电的基本定义、类型和各种检测方法，包括与GIS高度相关的UHF技术 2。
- CIGRE还积极研究新兴课题，如非SF6绝缘气体混合物中局部放电的行为，这是由环境问题驱动的一项关键倡议 28。这些指南有助于理解新绝缘气体对局部放电性能和关键缺陷可检测性的影响 28。
- IEC 60270等标准的制定，定义了测试电路、测量量、校准要求和测试程序指导 25，这建立了一个通用、可重复的局部放电测量框架。遵循这些标准能够确保局部放电测量结果的一致性、可比性和可靠性，尤其对于离线状态的准确性 8以及及时可靠的状态识别 26至关重要。如果没有这种标准化，来自不同制造商、实验室或现场测试的数据将无法进行有效比较，严重阻碍了有效的诊断、资产管理和全球知识交流。事实上，PRPD图谱的生成和显示方式缺乏标准化 7被明确指出是一个挑战，这进一步凸显了现有标准的重要性。因此，标准化不仅仅是行政要求，更是局部放电监测科学严谨性和实用价值的关键推动因素。它促进了通用诊断标准的建立，便于数据交换，并为训练能够泛化到不同数据集的自动化模式识别系统和人工智能模型奠定了基础。它将定性观察转化为可量化、全球可比较的诊断结果，这对于维护互联电网的完整性至关重要。

表2：局部放电检测方法对比

方法	原理	典型频率范围	主要优点	主要缺点	典型应用
电学 (IEC 60270)	测量视在电荷	低于1 MHz	灵敏度高，可校准，离线测试准确	易受噪声干扰，不适合在线监测，频率范围受限	实验室研究，出厂验收测试，现场调试
射频 (RF)/特高频 (UHF)	测量电磁波辐射	100 MHz-3 GHz	非侵入性，抗干扰强，灵敏度高，适合在线诊断，GIS/GIL专用	缺乏校准方法，可能存在灵敏度限制	GIS/GIL，变压器，电缆，开关设备，旋转电机
声学 (AE)	检测超声波	20 kHz-1 MHz	非侵入性，抗电磁干扰强，可定位PD	声波衰减，易受声学噪声干扰	GIS，变压器，电缆，多信息融合诊断
光学	检测光发射	40-300 kHz	非侵入性，灵敏度高，抗干扰强，适应性强，无损耗	成本高昂	户外绝缘子，电缆终端，GIS
SF6气体分解产物	分析PD引起的SF6气体分解产物	无特定频率	提供化学证据，长期劣化指标	响应时间较慢，无法实时定位	长期监测，故障分析

3. 相位分辨局部放电 (PRPD) 图谱的深入解析

3.1 PRPD 图谱的定义与生成原理

相位分辨局部放电（PRPD）图谱是一种二维或三维的视觉表示，它将单个局部放电（PD）活动与施加交流电压周期的瞬时相位角相关联 13。它被广泛认为是解释局部放电测量结果和评估高压绝缘系统状况的最可靠和关键工具 26。

PRPD生成的核心原理基于一个事实：随着电力系统主电压在其360度交流周期内波动，绝缘缺陷两端的电压应力也会随之升降。这导致缺陷仅在特定的相位角和不同的幅值下发生放电 13。在一段时间内（例如10秒 13）收集这些放电事件，便形成了特征性的PRPD图谱。PRPD的核心数据采集过程基于一种“事件记录概念”，捕获每个放电事件的三个关键维度：高压的相位角、局部放电脉冲的幅值以及事件编号或脉冲重复率 16。这些数据随后被绘制成“彩色图像”或“指纹”般的PRPD图谱 16。

PRPD图谱被形象地比喻为缺陷的“指纹”，这深刻揭示了其强大的诊断能力。研究表明，“每个PRPD图谱都是独一无二的，因为每个放电缺陷的物理类型和形状都略有不同” 13。然而，尽管每个图谱都具有独特性，但“每种缺陷类型都存在共同的趋势” 13。这种现象的根本原因在于，绝缘缺陷的独特物理特性和几何形状（例如空隙、尖锐点、表面污染物）直接影响了电场的畸变方式，进而决定了局部放电在交流周期内发生的时间（相位角）、频率（重复率）以及幅值（电荷量）。这种独特的响应模式为每种缺陷类型创建了独一无二的“签名”或“指纹”。这种“指纹”特性是PRPD图谱在绝缘诊断中如此强大的根本原因。它使得专业工程师（以及日益增长的自动化系统）能够超越仅仅检测局部放电的存在，进而识别绝缘劣化的具体类型和根本原因。这种能力使得PRPD成为“分析和诊断高压绝缘系统内局部放电活动最有用的工具” 13，从而能够制定有针对性的、有效的维护策略。

3.2 PRPD 图谱的坐标轴及其物理意义

PRPD图谱通常在具有特定坐标轴的图上显示，每个坐标轴都承载着重要的物理意义：

X轴：相位角 (Phase Angle)： 这个水平轴表示施加交流电压的一个完整周期（360度），通常是电力系统的工频（例如50Hz或60Hz） 13。相位角至关重要，因为局部放电活动高度依赖于瞬时电压值及其极性，放电通常集中在特定的相位窗口（例如正弦波正半周或负半周的上升沿） 13。
Y轴：放电幅值 (Discharge Magnitude)： 这个垂直轴表示每个独立放电事件的幅值或视在电荷 13。幅值通常以皮库仑（pC）或纳库仑（nC）表示视在电荷，或在使用瞬态地电压（TEV）传感器时以dBmV表示 3。幅值指示放电的严重程度或能量，这与绝缘劣化的程度直接相关。
颜色/灰度：脉冲重复率/事件数量 (Color/Grayscale: Pulse Repetition Rate/Event Number)： 在许多现代PRPD显示中，特别是三维表示（n-q-φ图），第三个维度通过颜色或灰度强度隐式或显式地表示 7。这个维度通常表示在特定相位-幅值“区间”内，在定义的测量周期内发生的放电脉冲数量或脉冲重复率。这提供了对局部放电发生频率的洞察，这也是不同缺陷类型的特征性签名。

3.3 PRPD 图谱的数据格式与内容要求

数据采集与同步 (Data Acquisition and Synchronization)：
- 现代局部放电监测系统旨在进行连续的数据采集、存储和分析 3。
- 对于GIS，并行UHF局部放电测量在所有通道上都很常见，确保来自多个传感器的信号同时被测量和存储以供后续分析 3。
- 高速数据采集至关重要，系统能够以每秒“数千个脉冲”的速度传输数据，以生成快速可靠的PRPD图谱 17。
相位锁定机制 (Phase Locking Mechanism)：
- 准确记录PRPD图谱的关键要求是“相位锁定” 14。这种机制将局部放电测量仪器与高压电力系统的基频（50Hz或60Hz）同步 15。
- 如果没有精确的相位锁定，检测到的放电事件与其在交流周期中的确切位置之间的关联性将丢失，从而使PRPD图谱失去诊断意义。
- 先进的附件，如无线相位参考，即使在具有挑战性的环境中也能实现精确的相位锁定 14。
数据存储与处理 (Data Storage and Processing)：
- 局部放电测量数据通常使用优化的内存节省算法进行保存和存储，以便进行深入的审查和分析 3。
- 软件算法持续分析原始测量数据，以自主检测局部放电活动 3。
- 对于模式识别，原始局部放电数据通常被处理并转换为视觉格式，例如二维PRPD图谱或灰度图像 1。这些图像随后可作为深度学习或图像处理等高级分析技术的输入。
- 该过程涉及量化每个捕获的局部放电脉冲的相位角（ϕ）和幅值（q），然后将预定时间段内（例如多个交流周期）聚合的脉冲数量（n）可视化为ϕ−q−n或PRPD图谱 7。
- 对PRPD数据进行适当的滤波至关重要，以去除不相关的背景信息和电磁噪声，确保生成的图谱反映真实的局部放电活动 32。

3.4 典型缺陷的 PRPD 图谱特征与判别

尽管每个PRPD图谱因缺陷的具体物理特性而具有固有独特性，但各种缺陷类型存在共同且可识别的趋势 13。这些趋势构成了缺陷识别的基础。用于分类这些图谱的典型标准包括：最大局部放电的相位位置、起始电子的相位位置、放电的梯度、正负半周放电的形状和对称性以及放电的绝对值 3。

电晕放电 (Corona Discharge)：
- 通常表现为高密度放电模式，通常在电压过零点附近具有最高斜率 16。
- 在空气中，电晕模式在正负半周通常是对称的，但如果受到外部因素或特定几何形状的影响，也可能表现出不对称性 22。
- 在GIS中，由于定子绕组末端电场分布极不均匀，可能发生电晕放电 23。
内部空隙放电 (Internal Void Discharge)：
- 其特点是图谱在正负半周通常是对称的，反映了空隙内部电场的对称分布 31。
- 当空隙内部电场超过起始电场且有自由电子引发雪崩时，放电随机发生 31。随着施加电压的升高，局部放电的数量和最大幅值也会增加 31。
- 从视觉上看，它可能表现为绝缘层内部空隙中不断跳跃的火花，幅值绘制在Y轴上 13。
表面放电 (Surface Discharge)：
- 表面放电的PRPD图谱在正负施加电压周期之间通常是不对称的，因为材料表面的电场通常是非对称的 31。
- 通常由绝缘子表面的污染、潮气侵入或风化引起 22。
- 可能具有很强的破坏性，并可能由严重的电晕状况演变而来 22。
悬浮电极放电 (Floating Electrode Discharge)：
- 通常是制造缺陷或电场内未接地金属部件造成的 22。
- 可能是一种非常常见的局部放电类型，常与人为干预或安装错误有关 22。
游离颗粒放电 (Free Particle Discharge)：
- 在GIS（SF6气体）中观察到，当存在导电颗粒并在电场影响下移动时发生 22。
- 除了缺陷类型，PRPD图谱还可以提供放电严重程度以及活动是单相、两相还是三相的深入信息 13。

PRPD图谱的诊断能力不仅仅停留在视觉层面，更在于其深层的定量基础。PRPD图谱虽然主要被描述为“视觉表示” 13，并且其解释通常由“受过训练的用户通过视觉方式”进行 16，但这并非其全部。仅仅依靠人类专家的视觉解释会引入主观性，限制可扩展性，并且耗时。研究文献也承认PRPD分析“依赖于具有专业知识的工程师的专业技能” 7。然而，这些图谱是从量化的局部放电脉冲生成的，每个脉冲都由其相位角（ϕ）、幅值（q）和脉冲数量（n）定义 7。这些数据本质上是数值化的。因此，PRPD图谱分类的“典型标准”都是可量化的参数：“最大局部放电的相位位置”、“起始电子的相位位置”、“放电的梯度”、“正负半周放电的形状”以及“以pC或nC表示的放电绝对值” 3。这些标准是从原始局部放电数据中提取的统计特征，为分析提供了客观基础。因此，PRPD图谱真正的诊断能力，特别是对于自动化系统而言，不仅在于其视觉外观，更在于其潜在的定量和统计特性。这种定量基础使得能够开发使用统计参数 5以及最近的图像处理和深度学习技术 1的高级模式识别系统。这种从定性视觉检查向定量算法分析的转变是当前的一个主要趋势，有望在局部放电诊断中实现更高的准确性、一致性和效率。

表1：典型GIS局部放电缺陷类型及其PRPD图谱特征

缺陷类型	典型PRPD图谱特征	严重性/影响
内部空隙放电	正负半周对称，放电随机，幅值随电压升高而增大，火花跳跃状 13	绝缘破坏性高，倾向于持续发展直至失效 22
电晕放电	高密度放电，通常在电压过零点附近斜率最高，空气中通常对称，GIS中可能在电场不均处发生 16	通常危害较小（除声音和射频），但可能预示绝缘应力 22
表面放电	正负半周不对称，沿绝缘子表面追踪，幅值分布不规则 22	破坏性强，常由污染、潮气引起，可能由严重电晕演变而来 22
悬浮电极放电	模式多变，可能在特定相位角出现集中放电，与制造或安装缺陷相关 22	常见类型，可能导致设备故障 22
游离颗粒放电	在SF6气体中，颗粒移动导致放电模式随时间变化，可能呈现不规则或跳跃性 22	存在于GIS中，可能随颗粒运动引发放电 22

3.5 PRPD 图谱的解释与诊断价值

PRPD图谱被认为是分析和诊断高压绝缘系统内局部放电活动的无价工具 13。它们不仅能够识别故障的具体类型，还能根据国际标准对相关风险进行分类 26。通过对一系列连续测量结果的解释，可以获得关于设备绝缘状况最可靠的证据 26。PRPD图谱随时间发生的任何显著变化，或放电幅值的快速增加，都明确指示需要采取进一步的行动或维护干预 26。这种能力直接支持基于状态的评估，并有助于安排有针对性的维护活动 26。

4. 相位分辨脉冲序列 (PRPS) 图谱的深层探讨

4.1 PRPS 图谱的定义与生成

相位分辨脉冲序列（PRPS）分析是一种先进的局部放电（PD）数据分析技术，通常作为相位分辨局部放电（PRPD）图谱的补充或在其基础上发展而来 31。与PRPD通常将放电事件按相位角和幅值进行聚合（例如n-φ、q-φ或n-q-φ三维谱图 7）不同，PRPS通过明确关注并保留局部放电发生的序列信息来区分自身 31。

PRPS图谱常被视为一种三维局部放电图谱 18。PRPS的一个显著优势在于它能够保留更详细的脉冲生成信息，而这些信息在传统PRPD分析中，由于其聚合和存储结构，可能会随时间部分丢失或“被破坏” 18。目前的研究致力于开发将现有PRPD图谱数据转换为PRPS图谱数据的算法 18。这种转换对于一些应用至关重要，例如通过基于PRPS数据生成模拟局部放电，并使用各种传感器同时测量脉冲和局部放电模式，来验证电力公司预防诊断系统的可靠性 18。

4.2 PRPS 图谱的数据格式与内容

坐标轴的扩展意义 (Extended Meaning of Axes)：
- 在脉冲序列分析（PSA）的一些形式中（与PRPS密切相关），坐标轴可以表示连续局部放电事件之间的电压差（例如，Y轴：下一个局部放电与当前局部放电之间的电压差；X轴：当前局部放电与上一个局部放电之间的电压差） 31。类似地，连续局部放电之间的时间差也可以用作坐标轴 31。这突出了对脉冲间关系的关注。
- 对于三维PRPS图谱，坐标轴可以扩展为：周期数（X轴）、局部放电脉冲发生的相位角（Y轴）和幅值（Z轴） 34。这种多维表示允许对局部放电活动在多个交流周期内的动态和演变趋势进行更丰富、更动态的可视化，从而捕获时间依赖性和演变趋势。
脉冲序列信息的保留 (Retention of Pulse Sequence Information)：
- PRPS与传统PRPD相比，其决定性特征和关键优势在于它明确保留了单个放电脉冲的时间序列 18。这种序列信息对于理解某些缺陷的动态和演变物理机制（特别是那些具有复杂或时间依赖性放电行为的缺陷）而言是无价的。
- 通过保留脉冲的顺序和时序，PRPS能够对局部放电活动的“微观动力学”进行更详细的分析，提供在PRPD图谱所呈现的聚合统计视图中可能被掩盖或丢失的深入信息。这使得对放电过程本身能够进行更深层次的探索。PRPS通过保留局部放电脉冲的精确时间序列，提供了PRPD图谱无法比拟的深层信息。这种对“脉冲生成信息”的保留 18，使得能够揭示缺陷行为的动态演变，例如放电的随机性、重复性或随时间的变化模式。这种能力对于理解某些复杂缺陷的物理机制至关重要，这些缺陷可能在PRPD的聚合视图中表现出相似的模式，但在PRPS的序列视图中则显示出明显的差异。此外，保留脉冲序列信息对于验证和校准局部放电诊断系统具有重要意义。通过生成基于PRPS数据的模拟局部放电，研究人员和工程师可以对诊断系统进行精确的测试和验证，确保其在实际操作中的可靠性 18。这种方法允许同时测量脉冲和局部放电模式，从而更好地评估系统的性能和准确性。因此，PRPS的价值在于其能够提供更细致、更全面的局部放电行为视图，从而实现更深入的缺陷诊断和更可靠的系统验证。

5. 相位开窗与高级分析

5.1 相位开窗：噪声抑制与信号分离

在局部放电（PD）监测中，尤其是在电磁干扰严重的复杂环境中，噪声对测量灵敏度和诊断准确性构成重大挑战 26。为了克服这些干扰，相位开窗（Phase Windowing）技术应运而生，其核心目的是抑制噪声并有效分离局部放电信号。

噪声抑制是实现准确诊断的先决条件。在嘈杂环境中测量局部放电时，外部脉冲状干扰常常会淹没来自被测对象的局部放电信号，导致局部放电测量系统指示的视在电荷值（QIEC）高于实际值 40。因此，为了进行几乎不受干扰且灵敏的局部放电测量，必须抑制这些干扰 40。有效的噪声抑制是获得清晰局部放电信号和可靠图谱分析的基础，直接影响诊断的准确性。

相位开窗技术通过多种方法实现噪声抑制和信号分离：

通道门控 (Channel Gating)： 这种方法利用测量系统的多个输入通道。例如，可以使用第二个输入通道作为门控通道，连接到靠近干扰源的传感器，该传感器主要接收干扰信号 40。通过比较来自局部放电传感器和噪声传感器的信号，系统能够区分局部放电事件和外部干扰或内部开关操作引起的信号 3。
相位/幅值门 (Phase/Amplitude Gates)： 允许操作员通过在PRPD图谱上标记特定区域来排除具有特定幅值和固定相位位置的频率稳定信号，例如变流器或整流器脉冲以及不相关的局部放电 40。这些被标记的区域将在后续的局部放电测量中被排除。
三相幅值关系图 (3PARD – Three-Phase Amplitude Relation Diagram)： 局部放电事件可能在多个相上被检测到。3PARD工具通过同步三相测量简化了不同局部放电源和干扰的分辨 40。它将三个测量通道的组合结果显示在一个星形图中，便于结果比较和脉冲源分离。
三中心频率关系图 (3FREQ / 3CFRD – Three-Center Frequencies Relation Diagram)： 这是一种单通道滤波工具，利用三个数字滤波频率来表征局部放电源的频率特征 40。通过3FREQ图，可以从干扰中分离出表面放电、电晕和内部空隙等局部放电事件。

这些先进的门控和滤波技术显著提高了局部放电测量的灵敏度和可靠性，尤其是在高干扰环境中。它们确保了所分析的PRPD和PRPS图谱能够真实反映设备内部的绝缘状况，从而支持更准确的故障诊断和维护决策。

5.2 局部放电模式识别中的人工智能与机器学习应用

随着数据采集技术的进步和计算能力的提升，人工智能（AI）和机器学习（ML）技术已成为局部放电（PD）模式识别领域的重要发展方向 1。这些技术旨在实现局部放电缺陷类型的自动化、高效识别，从而减少对人工专家判读的依赖，提高诊断的准确性和一致性。

挑战与机遇： 传统的PRPD模式分析高度依赖于工程师的专业知识和经验，这导致分析效率受限，且存在主观性 7。此外，PRPD模式并非静态，会随时间演变 7，这增加了人工识别的复杂性。AI/ML技术的引入，为解决这些挑战提供了新的机遇。
图像处理与深度学习：
- PRPD图谱可以被视为图像，因此图像处理和深度学习（Deep Learning, DL）技术，特别是卷积神经网络（Convolutional Neural Network, CNN），被广泛应用于局部放电模式识别 1。
- CNN能够自动从原始图像数据中提取多层抽象特征，避免了传统机器学习方法中繁琐的手动特征提取过程 5。这使得模型能够更深入地理解PRPD图谱的复杂模式和细微差异。
- 研究表明，基于深度学习的局部放电模式识别方法可以达到很高的准确率，例如，多信息融合集成学习方法在GIS局部放电模式识别中可以达到97.50%的准确率 5。其他改进的深度学习方法也报告了高达95.8%的识别准确率 19。
- 常用的深度学习模型包括ResNet50、VGG16、VGG19、Inception和Xception等，它们可以通过迁移学习方法应用于局部放电分类 1。
统计特征与分类器：
- 除了直接从图像中提取特征外，传统的局部放电模式识别方法也广泛使用各种统计参数作为特征，例如峰值、均方根值、平均幅值、波形因子、脉冲因子、偏度、峰度等 7。
- 这些统计特征可以作为支持向量机（SVM）等传统分类器的输入，用于识别局部放电模式 5。然而，与深度学习相比，这些方法在特征提取方面可能显得繁琐 5。
自动化与可扩展性：
- AI/ML驱动的系统能够实现局部放电活动的自主检测和识别，无需人工干预 3。例如，Megger的ICMexpert软件通过已知缺陷数据库自动识别局部放电类型 3。
- 这些系统具有快速高效的特点，分析PRPD模式并报告缺陷类型通常只需几秒钟 7。此外，它们计算资源需求较低，且具有高度的灵活性，可以适应不同制造商的设备和监测系统 7。
- 人工智能和机器学习技术在局部放电诊断中的应用，旨在解决人工判读的局限性，并提升诊断的准确性和效率。过去，PRPD图谱的解释高度依赖于经验丰富的工程师的视觉判读，这不仅耗时，而且容易受到主观因素的影响 7。AI/ML的引入，通过自动化特征提取和模式识别，能够显著提高诊断的准确性和一致性。例如，卷积神经网络（CNN）能够直接从PRPD图谱图像中学习复杂的模式，从而避免了传统方法中手动提取统计特征的繁琐过程 5。这种自动化能力使得监测系统能够实现对局部放电活动的自主检测和分类 3，从而将诊断过程从劳动密集型转变为高效、可扩展的流程。AI/ML模型能够处理海量数据，识别出人眼难以察觉的细微模式，并且能够随着新数据的积累而不断学习和优化，从而持续提高诊断的准确性 3。这种技术进步不仅降低了对稀缺专家资源的依赖，还使得局部放电监测能够更广泛地应用于关键电力资产的在线监测，从而实现更精准的预测性维护，进一步保障电网的稳定运行。

6. 结论

对气体绝缘开关设备（GIS）局部放电监测中PRPD和PRPS图谱的深入研究揭示了它们在评估绝缘状态和预防设备故障方面的核心作用。局部放电作为绝缘劣化的早期预警信号，其多物理现象特性（电磁波、声波、光、化学变化）为多种检测技术提供了基础，其中特高频（UHF）检测因其与SF6气体中局部放电脉冲的物理特性高度匹配以及卓越的抗干扰能力，在GIS监测中占据主导地位。国际标准（如IEC 60270）的遵循，确保了测量结果的可靠性和全球可比性，为诊断分析奠定了坚实基础。

PRPD图谱通过将放电幅值与交流电压相位角相关联，形成了独特的“指纹”模式，使得工程师能够识别各种缺陷类型，如内部空隙、电晕和表面放电。其诊断价值在于能够识别故障类型、评估风险，并指导有针对性的维护。PRPS图谱则通过保留局部放电脉冲的精确时间序列信息，提供了比PRPD更深层次的缺陷动态视图，这对于理解复杂缺陷的演变和验证诊断系统至关重要。

为了应对复杂运行环境中噪声的挑战，相位开窗等噪声抑制和信号分离技术（如通道门控、相位/幅值门、3PARD、3FREQ）被广泛应用，确保了局部放电信号的纯净性和诊断的准确性。展望未来，人工智能和机器学习（特别是深度学习）在局部放电模式识别中的应用，正推动诊断从依赖人工经验向自动化、高精度、可扩展的方向发展。这些技术能够从PRPD和PRPS图谱中自动提取复杂特征，显著提高缺陷识别的准确性和效率，从而实现更智能、更高效的GIS状态监测和预测性维护。这种持续的技术进步将进一步提升电力系统的可靠性和安全性。

引用的著作

partial discharge source identification using prpd data and deep learning techniques, 访问时间为六月 6, 2025， https://open.metu.edu.tr/bitstream/handle/11511/108440/10619449.pdf
Guidelines for Unconventional Partial Discharge Measurement (CIGRE 444) - SlideShare, 访问时间为六月 6, 2025， https://www.slideshare.net/slideshow/guidelines-for-unconventional-partial-discharge-measurement-cigre-444/219100494
GISmonitor - Partial Discharge Monitoring System - Megger, 访问时间为六月 6, 2025， https://www.megger.com/en-ca/products/gismonitor-partial-discharge-monitoring-system
Partial Discharge Measurement (GIS) - OMICRON, 访问时间为六月 6, 2025， https://www.omicronenergy.com/en/solution/partial-discharge-measurement-gis/
A Novel Method for Pattern Recognition of GIS Partial Discharge via Multi-Information Ensemble Learning, 访问时间为六月 6, 2025， https://pmc.ncbi.nlm.nih.gov/articles/PMC9317780/
(a) Corona discharge PRPD pattern measured in an off-line experiment at… - ResearchGate, 访问时间为六月 6, 2025， https://www.researchgate.net/figure/a-Corona-discharge-PRPD-pattern-measured-in-an-off-line-experiment-at-the-junction-of_fig28_351770183
Phase-Resolved Partial Discharge (PRPD) Pattern Recognition Using Image Processing Template Matching - MDPI, 访问时间为六月 6, 2025， https://www.mdpi.com/1424-8220/24/11/3565
Intelligent Monitoring Technology of Partial Discharge Based on an Integrated Sensing–Memory–Computation System | Langmuir - ACS Publications, 访问时间为六月 6, 2025， https://pubs.acs.org/doi/10.1021/acs.langmuir.4c04836
Phase-Resolved Partial Discharge (PRPD) Pattern Recognition Using Image Processing Template Matching - PMC, 访问时间为六月 6, 2025， https://pmc.ncbi.nlm.nih.gov/articles/PMC11175222/
Phase-Resolved Partial Discharge (PRPD) Pattern Recognition Using Image Processing Template Matching - ResearchGate, 访问时间为六月 6, 2025， https://www.researchgate.net/publication/381140729_Phase-Resolved_Partial_Discharge_PRPD_Pattern_Recognition_Using_Image_Processing_Template_Matching
PDS Product Guide - Power Diagnostic Instrument Company, 访问时间为六月 6, 2025， https://pdicus.com/wp-content/uploads/2018/11/2018-Catalog-Rev-G-Letter-Size.pdf
Recognition of partial discharge in GIS based on image feature fusion - AIMS Press, 访问时间为六月 6, 2025， http://www.aimspress.com/article/doi/10.3934/energy.2024052?viewType=HTML
What is a Phase Resolved Partial Discharge (PRPD) Plot telling you? - EA Technology, 访问时间为六月 6, 2025， https://eatechnology.com/americas/resources/faq/what-is-a-phase-resolved-partial-discharge-prpd-plot-telling-you/
Understanding Phase Plots | EA Technology Australia, 访问时间为六月 6, 2025， https://eatechnology.com/australia/resources/blogs/high-voltage/what-is-a-partial-discharge-phase-plot-telling-you/
Making Partial Discharge data analysis easy and accurate - EA Technology, 访问时间为六月 6, 2025， https://eatechnology.com/resources/videos-podcasts/making-partial-discharge-data-analysis-easy-and-accurate/
High Voltage Partial Discharge - FAST ComTec, 访问时间为六月 6, 2025， https://www.fastcomtec.com/applications/multiparameter-systems/high-voltage-partial-discharge
Partial Discharge Monitoring, 访问时间为六月 6, 2025， https://www.ruggedmonitoring.com/RMES-Brochures/RM-Brochure-PD-Monitoring.pdf
Development of PRPS Conversion Algorithm and Generator Using PRPD Pattern of Underground Power Transmission Cable | springerprofessional.de, 访问时间为六月 6, 2025， https://www.springerprofessional.de/en/development-of-prps-conversion-algorithm-and-generator-using-prp/17440960
PRPD data of different PD types. (a) tip discharge, (b) surface… - ResearchGate, 访问时间为六月 6, 2025， https://www.researchgate.net/figure/PRPD-data-of-different-PD-types-a-tip-discharge-b-surface-discharge-c-air-gap_fig1_353564212
IEC 60270: Partial Discharge Measurements - Advanced Test Equipment Rentals, 访问时间为六月 6, 2025， https://www.atecorp.com/compliance-standards/iec/iec-60270
Brief Analysis of GIS Partial Discharge Detection Method - HV Hipot, 访问时间为六月 6, 2025， https://www.hvhipot.com/technical/brief-analysis-of-gis-partial-discharge-detection-method/
Partial Discharge | PowerMDT, 访问时间为六月 6, 2025， https://www.powermdt.com/partial-discharge
A Review of Knowledge-Based Defect Identification via PRPD Patterns in High Voltage Apparatus - SciSpace, 访问时间为六月 6, 2025， https://scispace.com/pdf/a-review-of-knowledge-based-defect-identification-via-prpd-r15aehi6wy.pdf
Partial Discharge Pattern Recognition Based on Swin Transformer for Power Cable Fault Diagnosis in Modern Distribution Systems - MDPI, 访问时间为六月 6, 2025， https://www.mdpi.com/2227-9717/13/3/852
A Guide to Partial Discharge Measurements on Medium-Vortage (MV) and High-Voltage (HV) Apparatus - OMICRON, 访问时间为六月 6, 2025， https://www.omicronenergy.com/download/file/e5e8a545dfbaebe53f6487fe7f4886a9
Partial discharge measurements on rotating machines – experience and innovation - OMICRON, 访问时间为六月 6, 2025， https://www.omicronenergy.com/download/document/86A21DF8-0808-455D-8B21-F039C183AD2B/
Guidelines for unconventional Partial Discharge measurements …, 访问时间为六月 6, 2025， https://www.e-cigre.org/publications/detail/444-guidelines-for-unconventional-partial-discharge-measurements.html
Understanding the Implications of Partial Discharge Performance of Non-SF6 Gases, 访问时间为六月 6, 2025， https://www.cigre.org/article/GB/news/the_latest_news/understanding-the-implications-of-partial-discharge-performance-of-non-sf6-gases
Partial discharge behaviour in GIS with C4-FN mixtures:Comparison of conventional and UHF measurement techniques - Session Materials - E-Cigre, 访问时间为六月 6, 2025， https://www.e-cigre.org/publications/detail/d1-11379-2024-partial-discharge-behaviour-in-gis-with-c4-fn-mixturescomparison-of-conventional-and-uhf-measurement-techniques.html
How to Analyze Partial Discharge - OMICRON, 访问时间为六月 6, 2025， https://www.omicronenergy.com/download/document/578DF6B6-7460-454C-8DAE-D61A47F6A089/
Partial Discharge Patterns in High Voltage Insulation - CORE, 访问时间为六月 6, 2025， https://core.ac.uk/download/pdf/162011036.pdf
Dataset of phase-resolved images of internal, corona, and surface partial discharges in electrical generators - PMC - PubMed Central, 访问时间为六月 6, 2025， https://pmc.ncbi.nlm.nih.gov/articles/PMC10827395/
How to detect a partial discharge in a noisy signal? - Electrical Engineering Stack Exchange, 访问时间为六月 6, 2025， https://electronics.stackexchange.com/questions/423105/how-to-detect-a-partial-discharge-in-a-noisy-signal
Statistical Parameters of the Three Partial-Discharge (PD) Sources. - ResearchGate, 访问时间为六月 6, 2025， https://www.researchgate.net/figure/Statistical-Parameters-of-the-Three-Partial-Discharge-PD-Sources_tbl1_260589415
Identification of Partial Discharge Sources by Feature Extraction from a Signal Conditioning System - PMC, 访问时间为六月 6, 2025， https://pmc.ncbi.nlm.nih.gov/articles/PMC11014056/
Partial discharge fault identification method for GIS equipment based on improved deep learning | The Journal of Engineering - IET Digital Library, 访问时间为六月 6, 2025， https://digital-library.theiet.org/doi/full/10.1049/tje2.12386
Deep learning for Parkinson’s disease classification using multimodal and multi-sequences PET/MR images, 访问时间为六月 6, 2025， https://pmc.ncbi.nlm.nih.gov/articles/PMC12064532/
A review of Deep Learning Methods for Photoplethysmography Data - arXiv, 访问时间为六月 6, 2025， https://arxiv.org/html/2401.12783v1
Classification of Partial Discharge Images Using Deep Convolutional Neural Networks, 访问时间为六月 6, 2025， https://www.researchgate.net/publication/344772810_Classification_of_Partial_Discharge_Images_Using_Deep_Convolutional_Neural_Networks
Noise suppression and source separation techniques - OMICRON, 访问时间为六月 6, 2025， https://www.omicronenergy.com/download/document/03C88C43-203D-4940-9F40-56FF1BF12B88/
A Noise Reduction Algorithm for White Noise and Periodic Narrowband Interference Noise in Partial Discharge Signals - MDPI, 访问时间为六月 6, 2025， https://www.mdpi.com/2076-3417/15/4/1760
Products ｜APM Technologies, 访问时间为六月 6, 2025， https://apmtech.co.kr/products
Partial Discharges and Noise Discrimination Using Magnetic Antennas, the Cross Wavelet Transform and Support Vector Machines - PMC, 访问时间为六月 6, 2025， https://pmc.ncbi.nlm.nih.gov/articles/PMC7308997/