2、智能分析功能=1\*GB3①、具备4G/5G自组网功能，可扩展为分布式局部放电在线监测系统（不限客户端及硬件节点数量），固定式长期/可移动式短期的针对疑似缺陷的电力设备在线监测；=2\*GB3②、内置变压器、高抗、断路器（GIS、敞开式断路器、开关柜）、电缆、发电机等电力设备典型放电类型数据库，结合神经网络、放电特征参量实现绝缘缺陷类型识别；(a)高电位电晕放电(b)低电位电晕放电(c)内部放电(d)沿面放电(e)悬浮放电(e)金属粒子放电图5:放电类型数据库的部分典型图谱(以GIS局部放电为例)=3\*GB3③、强大的TF-Map分组筛选功能（我司***的软件著作权）：基于放电脉冲波形特征形成放电等效时频图谱(TF-Map)图谱，可根据TF-Map分布情况，实现信号的分离分类，具体应用场景如下文的图8与图9所示：GZPD-234系列便携式局部放电监测与诊断系统技术说明。振荡波局部放电重复率
GZPD-234系列便携式局部放电监测系统构成如左下图所示，主要包括下列4类组件：Ø感知单元：高频脉冲电流传感器、特高频传感器、暂态对地电压传感器、超声波传感器、射频传感器，以及特高频、暂态地电波、超声波三合一的传感器；Ø同步单元：支持线圈同步及无线同步；Ø监测主机：具备信号放大、滤波、A/D转换功能，支持多通道同步的实时采集；Ø操控、分析单元：系统软件及笔记本电脑（或一体机的内置工控电脑），具备信号采集及智能分析功能，支持脉冲波形、波形频谱、PRPD图谱、等效时频图谱(TF-Map)、放电基本参数显示，可实现地图筛选、分组筛选、放电类型识别、自动保存等功能。振荡波局部放电重复率GZPD-4D系列分布式局部放电监测与评价系统相关标准。
9、平均无故障时间：大于50,000小时；10、安全性能：符合GB/T19862-2005开关柜监测设备通用要求；11、电磁兼容：静电放电抗扰度满足GB/T17626.2-20064级；阻尼振荡波抗干扰度满足GB/T17626.10-19983级；工频磁场抗扰度满足GB/T17626.8-20063级；脉冲磁场抗扰度满足GB/T17626.9-19983级；12、电源：采用5V电锂电池供电，功耗<10W，可持续工作12小时以上；13、环境条件：存储温度：-40℃～+85℃；工作温度：-20℃～+60℃；相对湿度：5%～95%在35℃下无凝露；14、重量轻、易携带，很适合现场使用；手持式HUB重量轻于0.8kg。
对电缆实施局部放电监测可在故障前有效地排除其绝缘缺陷，是确保电缆及整个电力系统安全稳定运行的关键。现有交直流耐压试验、**频耐压试验及振荡波电压试验*适用于电缆的离线监测，便携式局部放电监测设备受放电脉冲衰减影响，实际应用中存在一定的局限性。本文介绍的电缆分布式局部放电监测系统采用高频电流监测方式，使用无线组网技术实现多点同步监测，且具备绝缘诊断和缺陷类型识别功能。系统可应用于高压电缆线路交接试验时耐压同步局部放电监测及疑似问题电缆运行中短时局部放电在线监测（可移动式），实现长距离新敷设电缆和疑似问题电缆绝缘状态的***诊断，大幅提高了监测的可靠性及经济性，具有应用推广价值。杭州国洲电力科技有限公司局部放电定位方法。
GZPD-234系列GIS局部放电监测与定位系统分析定位功能1、监测分析系统需求分析与示波器的选择GIS局部放电信号的能量分布可达3GHz，但主要集中在300MHz∽1500MHz间，因此采集带宽应至少到1.5GHz，比较好到3GHz。局部放电本身具有一定的随机性，系统具连续多次捕捉随机脉冲信号的能力。2、局部放电信号分析及干扰抑制算法2.1GIS局部放电带电监测信号分析适于现场使用的GIS局部放电带电监测信号分析方法主要包括聚类分析、模式识别和故障定位；聚类又包括频域和时域聚类。2.2信号频率特征分析可以对采集存储的特高频、高频、超声波等完整信号的波形进行时频域变换，对信号的频率成分进行分析，通过信号的频率分量特征进行干扰排除、放电类型辨识、多放电源分离。由于不同来源的放电以及放电与干扰间在信号的频率分布上会有差异，因此通过信号的频率特征分析，能有效区分放电与干扰以及不同来源的放电。局部放电可能发生在固体绝缘材料（纸、聚合物等）的空隙中。电力局部放电电磁辐射研究
GZPD-234系列便携式局部放电监测与诊断系统图谱筛选。振荡波局部放电重复率
局部放电识别方法局部放电的类型识别主要通过根据分析方法建立故障样本库、提取特征参量，并结合故障诊断算法实现，主要故障算法包括专家系统、人工神经网络、支持向量机、故障树、人工免疫、粗糙集理论和模糊集理论、Petri网络、多代理系统、小波分析、分形理论和遗传算法等。局部放电识别方法下图为局部放电识别应用示例。将原始采集数据标准化处理后，提取PRPD图谱的放电相位-幅值十二等分区间分布、基于放电包络曲线的正半轴和负半轴峰度、偏度及互相关系数共计17个特征参量，应用神经网络，实现高电位前列放电识别。振荡波局部放电重复率
