PRPD-Messqualität für die AI-gestützte Transformatorprüfung

Die PRPD-Mustererkennung ist reizvoll, weil die visuellen Nachweise reichhaltig sein können. Phasenlage, Amplitude, Impulswiederholung und Musterform können einem Ingenieur helfen, wahrscheinliche Quellen von Teilentladungsaktivität zu unterscheiden. Doch PRPD ist nur so nützlich wie der dahinterliegende Messkontext.

Eine AI-gestützte Prüfung sollte ein PRPD-Diagramm nicht als eigenständiges Bild behandeln. Sie sollte fragen, ob die Nachweise kalibriert, phasenbezogen, wiederholbar und von Störungen getrennt sind. Das ist der Unterschied zwischen einer nützlichen Entscheidungsunterstützung und einem übermäßig selbstsicheren Musterabgleich.

Normative Grundlage

IEC 60270 ist die zentrale Referenz für die ladungsbasierte Teilentladungsmessung. IEEE C57.113 behandelt die Teilentladungsmessung in flüssigkeitsgefüllten Transformatoren und Drosseln. CIGRE-Leitfäden wie TB 366, TB 662 und TB 676 untermauern die Notwendigkeit einer disziplinierten Messung und Interpretation.

Für Software ist die Lehre klar: Der Agent sollte bewahren, wie die Messung durchgeführt wurde, nicht nur das Musterergebnis.

Was PRPD beiträgt

PRPD-Aufzeichnungen können helfen, Folgendes zu beschreiben:

• Die Phasenlage der Entladungsaktivität.
• Amplitude und Wiederholrate.
• Musterfamilie und Persistenz.
• Veränderungen zwischen Messkampagnen.
• Mögliches Verhalten von internen Quellen, Oberflächenentladungen, Korona oder mehreren Quellen.
• Korrelation mit UHF-, akustischen, DGA- oder Inspektionsnachweisen.

Das Muster ist wichtig, aber es ist nicht die gesamte Diagnose.

Wo die Feldrealität unübersichtlich wird

Die PRPD-Prüfung im Feld kann durch Sensorplatzierung, Ankopplungsmethode, Qualität des Phasenbezugs, Störeinkopplung, Erdung, Filterung und überlagerte Quellen beeinflusst werden. CIGRE-Veröffentlichungen zu konventionellen und unkonventionellen Teilentladungsmethoden sind hilfreich, weil sie die Komplexität des Übergangs von der disziplinierten Laborumgebung zu realen Betriebsmittelumgebungen anerkennen.

Ein AI-Modell mag visuelle Muster schnell finden. Der agentische Arbeitsablauf rund um dieses Modell muss dennoch fragen: Wie sah die Störumgebung aus, in welchem Kalibrierzustand befand sich die Messung, was hat sich seit der letzten Messung geändert und welche weiteren Nachweise stützen die Interpretation?

Die Rolle im agentischen APM

Ein PRPD-Agent in GridAPM sollte:

1. Die Aufzeichnung dem richtigen Transformator, der richtigen Phase, Wicklung, Durchführung oder Messkampagne zuordnen.
2. Methode, Sensor, Kalibrierung, Phasenbezug und Filterungshinweise bewahren.
3. Das Muster mit früheren Aufzeichnungen und ähnlichen Bedingungen vergleichen.
4. Mögliche Musterfamilien und die zugehörige Konfidenz angeben.
5. Mit dem Verhalten der DGA-Gasbildungsrate, dem thermischen Kontext, der Inspektionshistorie und SFRA-Nachweisen korrelieren.
6. Eine Empfehlung für die ingenieurtechnische Prüfung entwerfen.

Diese Empfehlung sollte niemals nur „Teilentladung erkannt“ lauten. Sie sollte erläutern, welche Nachweise die Bedenken stützen und welche Unsicherheit verbleibt.

Vom Muster zur Maßnahme

Eine nützliche PRPD-Prüfung unterstützt Maßnahmen wie erneutes Messen, Überwachen, Inspizieren, Gegenprüfen mit einer anderen Methode, Einplanen einer Prüfung im Rahmen einer Abschaltung oder das Dokumentieren, dass keine sofortige Maßnahme erforderlich ist. Die Entscheidung hängt von Schweregrad, Persistenz, Konsequenz und Konfidenz ab.

Der KI mit menschlicher Prüfung-Arbeitsablauf von GridAPM ist genau für diese Art von Mehrdeutigkeit ausgelegt. Die AI ordnet die PRPD-Nachweise; die Ingenieure entscheiden, wie sie zu verwenden sind.