Reduzierung der Bedienerabhängigkeit bei Teilentladungsprüfungen: Häufige Probleme und Expertenlösungen

Die Teilentladungsprüfung hat eine versteckte Schwäche. Innerhalb weniger Sekunden erfasst ein Gerät ein Wellenformsignal, doch die Interpretation dieses Signals für eine fundierte Entscheidung („sofort reparieren“ oder „sechs Monate warten“) hängt weiterhin von einem geschulten Bediener ab, der einen echten Entladungsimpuls von transienten Störungen wie dem Zündgeräusch eines vorbeifahrenden Gabelstaplers unterscheiden kann. Ist dieser Bediener abwesend, kommt der gesamte Prozess zum Erliegen.

Dieser Leitfaden zeigt auf, wo die Fähigkeiten des Bedieners im Teilentladungsprozess besonders wichtig sind, welche Teilentladungsprüfungen und welche Geräte sich optimal automatisieren lassen und wie die Automatisierung erfolgen kann, ohne dass dabei die Beurteilungspflicht vollständig entfällt. Er richtet sich an Anlagen- und Umspannwerksingenieure, die die Vorteile der Online-Überwachung gegenüber manuellen Prüfungen abwägen.

Welche Kosten die Bedienerabhängigkeit bei manuellen PD-Tests tatsächlich verursacht

Bei Teilentladungsprüfungen beschreibt die Bedienerabhängigkeit, inwieweit die Ergebnisqualität eines Prüfprogramms von der Interpretationsfähigkeit einer Person und nicht vom Messgerät abhängt. Da Teilentladungen die allmähliche Verschlechterung der Isolierung signalisieren – den schleichenden Leistungsabfall eines Isolationssystems lange bevor ein Isolator oder eine Durchführung vollständig ausfällt –, kann eine Fehldiagnose katastrophale Folgen haben. Der Zustand dieser Isolierung ist das Ziel jedes Teilentladungsprogramms. Teilentladungen wirken sich auf dreierlei Weise auf ein Projekt aus: Arbeitskosten, Qualitätsfehler und Schulungsaufwand für neue Mitarbeiter.

Eine Offline -Teilentladungsprüfung eines Mittelspannungskabels dauert über zwei Stunden (Aufbau, Abschaltung und Messung) und erfordert einen hochqualifizierten Bediener. Eine Online-Messung am selben Kabel dauert weniger als zehn Minuten und erfordert deutlich weniger Fachkenntnisse in der Datenerfassungsphase. Dieser Unterschied ist nicht auf die Geschwindigkeit der Messgeräte, sondern auf den damit verbundenen manuellen Aufwand zurückzuführen.

Punkt 2, der sogenannte „Fehler“, ist deutlich subtiler. Das vom Unternehmen als „Hintergrundrauschen“ bezeichnete Rauschen im Normalbetrieb kann das Signal Ihrer Teilentladungsanlage um bis zu 1,000-fach (60 dB) übersteigen. Ein solches Rauschsignal würde das Teilentladungssignal stören und dazu führen, dass Ihr Techniker eine intakte Wicklung fälschlicherweise als aufgrund der hohen Messwerte als betriebsbedingt abschaltbar meldet – ein unnötiger Fehler, der eine Wartung der Anlage erforderlich macht.

Ein zweiter, gravierenderer Kostenfaktor liegt im Problem der Fehlalarme. In den Daten einer Studie an einem Umspannwerk im laufenden Betrieb werden Fehlalarme als Vorhersagen von Teilentladungen definiert, wo keine auftreten.

Jeder Fehlalarm zwingt die Mitarbeiter zu einer manuellen Überprüfung, was die Produktivität mindert – ein schlecht eingestellter Teilentladungsmelder liefert nicht nur einen Messwert, sondern erfordert den Einsatz eines Elektrikers, um den Fehler zu beweisen. Fachlich geprüfte Studien zur Teilentladungs-Rauschunterscheidung bestätigen, dass die Unterscheidung einer echten Entladung von Störungen die schwierigste und fachlich anspruchsvolle Aufgabe ist.

Die Abhängigkeit von Bedienern verursacht höhere Kosten als die reinen Personalkosten für die Bildschirmüberwachung. Hinzu kommen die Kosten für wiederholte Tests, Ausfallzeiten, die monatelange Zertifizierung von Fachkräften für die Rauscherkennung und die versteckten Kosten, die durch die erneute manuelle Validierung aufgrund mangelhafter Automatisierung entstehen.

Ein Instandhalter eines Energieversorgungsunternehmens, der in einem 33-kV-Verteilungs-Umspannwerk arbeitet, verwendet ein tragbares TEV-Prüfgerät, das einen Wert von 40 dBmV an einem Schaltanlagenfeld anzeigt. Daraufhin rückt ein nächtliches Wartungsteam zu einem Stromausfall aus. Anschließend fährt ein erfahrener leitender Ingenieur 45 Meilen, um sich die Schaltanlage anzusehen. Dabei stellt sich heraus, dass der Fehler auf einen Drehzahlumrichter an zwei benachbarten Schaltanlagenfeldern beschränkt war. So ist ein halber Tag plus ein vermeidbarer Stromausfall vermieden worden, und ein fehlerfreies Schaltanlagenfeld mit einem Wert von 40 dBmV wurde in dieser Nacht nicht gefunden.

Die 5-stufige PD-Workflow-Engpasskarte: Wo die Fähigkeiten des Bedieners wirklich zählen

Nicht alle Schritte des PD-Tests erfordern menschliches Eingreifen. Um den Bedienereingriff gezielt zu reduzieren, unterteilt diese Abbildung den Arbeitsablauf in fünf Stufen und bewertet jede Stufe danach, wie stark sie auf menschliches Urteilsvermögen angewiesen ist – und welche Stufen bereits heute von einer Maschine abgedeckt werden können.

„Automatische Prüfgeräte dominieren den High-End-Bereich der Stufen 1 und 3. Sie verfügen in der Regel über einen Kalibrator, der automatisch zu einem programmierten Zeitpunkt eine Ladung abgibt, und das digitale Datenerfassungssystem erfasst automatisch alle Impulse, sodass nur relativ wenig Interaktion erforderlich ist. Dies sind die naheliegenden Optionen – die meisten Angebote für „automatische Teilentladungsprüfsysteme“ beziehen sich im Wesentlichen auf die beiden höheren Stufen.“

Hier liegt der größte Teil der Abhängigkeit vom Bedienpersonal – in den Stufen 4 und 5. Die Isolierung einer echten Entladung von Koronaentladungen an benachbarten Geräten und die anschließende Beurteilung, ob ein charakteristisches Merkmal „diese Woche handeln“ oder „Trend beobachten“ bedeutet, ist genau die Arbeit, die eine Referenzdatenbank mit 6,000 Maschinen unterstützt, aber nicht vollständig ersetzen kann.

Selbst automatisierte PRPD-Klassifizierungsmethoden setzen noch immer eine von Experten festgelegte Basislinie voraus. Um diese Abhängigkeit zu beseitigen, sollten Sie gezielt die Stufen 4 und 5 anvisieren – und dabei berücksichtigen, dass deren Automatisierung erst zuletzt erfolgt.

Lassen Sie sich nicht von dem Problem der Multiplikation von Geräteanzahl und Anlagenanzahl bei PD-Programmen verleiten – siehe unsere frühere Analyse des Problems der Geräteanzahlmultiplikation in PD-Programmen.

Teilentladungserkennungsverfahren für Transformatoren, Schaltanlagen und rotierende Maschinen: Automatisierungsgrad nach Methode

Keine einzelne Sensormethode eignet sich für die optimale Automatisierung in allen Bereichen. Der Automatisierungsgrad einer bestimmten Methode hängt von der Gerätetypklasse ab – ein Detail, das Anbieter verschweigen, wenn sie einen Sensor als universell anpreisen.

Da ein Teilentladungsimpuls in deutlich weniger als einer Nanosekunde ansteigt, muss jede Methode Bandbreite gegen Auflösung abwägen: Eine kapazitiv gekoppelte HFCT-Klemme misst die Ladung auf einem Kabel, während eine UHF-Antenne die Emission im Inneren eines Transformators oder einer Durchführung erfasst. Die frühzeitige Lokalisierung des Isolationsfehlers ist in jedem Fall das gemeinsame Ziel. Jede Zeile unten ordnet eine Methode der jeweiligen Anlagenklasse zu und gibt an, wie weit sie ohne Fachkenntnisse derzeit reicht.

Es ist außerdem hilfreich, die Entladungsart der jeweiligen Methode zuzuordnen, da jede Teilentladungsart einen anderen Sensor erfordert und unterschiedliche Automatisierungsperspektiven mit sich bringt. Diese Referenzmatrix ordnet die neun häufigsten Teilentladungsarten, denen ein Außendiensttechniker begegnet, ihrem jeweiligen Auftretensort, einem typischen Scheinladungsbereich, der optimalen Detektionsmethode und ihrer Eignung für die Automatisierung zu.

Die MDPI-Studie stellt fest, dass das Verfahren nicht-invasiv und hochsensitiv ist und sich für die Echtzeitüberwachung von metallisch gekapselten Schaltanlagen eignet. Andererseits weist das UHF-Verfahren bei Transformatoren Nachteile wie Schaltstörungen, Funkstörungen und Kalibrierungsfehler durch aktive Bauteile im Inneren des Transformators auf. Teilentladungen an rotierenden Maschinen können die Arbeitsabläufe im Stator zusätzlich verkomplizieren, selbst wenn das Training des Klassifikators sinnvoll erscheint, da es von der Sensorkonfiguration, Datensätzen vergleichbarer Maschinen und Expertenbewertungen abhängt.

Welche Methoden gibt es zur Erkennung von Teilentladungen?

Vier Hauptgruppen von Messverfahren finden in der Praxis gängige Anwendung. Elektrische Verfahren (HFCT/kapazitiver Koppler) messen die scheinbare Ladung in Pikocoulomb und entsprechen der Norm IEC 60270. Sie liefern konsistente und reproduzierbare Messwerte auch offline. UHF-Antennen erfassen die elektromagnetische Emission der Entladung und eignen sich am besten für die Überwachung von Transformatoren und GIS-Systemen oberhalb von etwa 40 MHz, wo das Signal-Rausch-Verhältnis optimal ist. Der IEEE-1434-Leitfaden legt fest, welche Verfahren für rotierende Maschinen geeignet sind.

Kapazitive TEV-Sensoren erfassen die transienten Erdspannungen im Schaltanlagenfeld, während akustische/ultraschallbasierte Sensoren die durch die Entladung verursachte Druckwelle aufzeichnen. Dadurch eignen sie sich hervorragend zur präzisen Fehlerortung, sobald ein anderes Verfahren den Fehler erkannt hat. Ausgereifte Systeme setzen meist auf einen zwei- (oder mehr-)schichtigen Ansatz, da jedes Verfahren Schwächen aufweist, die andere Verfahren besonders gut aufdecken.

Online- vs. Offline-PD für Transformatoren, Kabel und Schaltanlagen: Welche Methode reduziert die Bedienerstunden stärker?

Der mit Abstand größte Einflussfaktor auf die Arbeitszeit eines Mitarbeiters ist die Entscheidung zwischen Online- und Offline-Betrieb. Diese beiden Optionen sind nicht austauschbar, und die richtige Entscheidung hängt von der Kritikalität der Anlagen und davon ab, ob Sie einen quantifizierten Kostenwert oder einen Trend benötigen.

Worin besteht der Unterschied zwischen Online- und Offline-Teilentladungsprüfungen?

Offline-Tests beinhalten die Abschaltung der Anlage, das Anlegen einer geregelten Prüfspannung und die Messung der scheinbaren Ladung in einer ruhigen Umgebung. Daher gilt dieses Verfahren weiterhin als Maßstab für kalibrierte, auf IEC 60270 rückführbare Picocoulomb-Messungen und die Erfassung einzelner Spulen innerhalb einer Wicklung. Der Preis dafür sind ein mehrstündiger Anlagenausfall und ein hochqualifizierter Techniker. Fachlich geprüfte Arbeiten zur Teilentladungslokalisierung mittels UHF-Sensorarrays in Umspannwerken zeigen, wie stark der Online-Vorteil von der Sensorplatzierung abhängt.

Die Online-Überwachung hält die Anlage betriebsbereit und zeigt Teilentladungen (TE) in Echtzeit an. Dadurch werden Arbeitszeit und Ausfallzeiten reduziert, allerdings ist die Umgebung elektrisch störanfällig, und Messungen im pC-Bereich sind in der Regel nicht möglich. Tatsächlich gilt: Um ein potenzielles Problem zu erkennen, ist die Online-Überwachung unerlässlich; um die Bedrohung präzise zu messen, muss die Anlage offline betrieben werden.

Bei Transformatoren mit einer Leistung von über 50 MVA, deren Ausfallkosten mehrere hunderttausend Euro betragen würden, rechtfertigt die kontinuierliche Teilentladungsüberwachung ihre Investition jedoch schnell, da steigende Trends frühzeitig erkannt werden. Bei einer Flotte von Mittelspannungsschaltanlagen geringerer Bedeutung (bei denen die Teilentladungsmessung beispielsweise die Überwachung des SF6-Drucks als zweiten Gesundheitsparameter umfasst) bieten sich periodische Offline-Teilentladungsprüfungen oder der Einsatz von TEV-Handgeräten an, da diese ein besseres Preis-Leistungs-Verhältnis bieten.

„Teilentladungsdaten können nur von einem erfahrenen Ingenieur richtig interpretiert werden – ein einzelner Bediener kann einen kompletten Test damit verbringen, Dinge zu eliminieren, die ohnehin keine Teilentladungen sind.“

Automatisierte PD-Prüfsysteme: Was sie tatsächlich ersetzen und was nicht

Wenn Sie ein Angebot für ein automatisches PD-Testsystem einholen, sollten Sie genau klären, wie viele der fünf Workflow-Stufen die Automatisierungsfunktion abdeckt. In den meisten Fällen lautet die Antwort ehrlich gesagt: „Stufen 1 bis 3“. Der Begriff „automatisch“ in vielen Beschreibungen automatisierter Testverfahren impliziert oft nicht wirklich einen vollautomatischen Ablauf, sondern lediglich die Automatisierung eines Teils des Workflows. Selbst Patente für SVM-basierte PD-Erkennung, die eine Genauigkeit von über 95 % angeben, beschreiben einen Klassifikator, keinen autonomen Tester.

Hier liegt das Problem für Käufer. Ein System, das in einem EMV-freien Labor automatisch die Entladungsklasse auswählt, kann in einem EMV-belasteten Umspannwerk ein zwar sicheres, aber falsches Etikett liefern – und jemand muss den Fehler immer noch bemerken. Die tatsächliche Leistungsfähigkeit des Anbieters mit Ihren konkreten Arbeitsablauflücken abzugleichen – und nicht nur mit den Angaben in der Broschüre – entscheidet darüber, ob Sie die Arbeitszeit Ihrer Mitarbeiter reduzieren oder sie lediglich verlagern müssen.

Ein klar dokumentiertes Instrumentenportfolio ist dabei hilfreich – prüfen Sie vor dem Kauf die Spezifikationen jedes Systems, das Sie in Betracht ziehen, wie beispielsweise die automatisierte PD-Testsystemplattform von Demikspower , anhand der oben genannten Tier-Klassifizierung.

Normengrundlage: IEC 60270, IEC TS 62478, IEEE 1434 zur Bedienerkompetenz

Die Normen setzen einen kompetenten Bediener voraus; durch deren Lektüre erfahren Sie, wo im Gesamtprozess eine Automatisierung toleriert wird und wo weiterhin Ihr Ermessen gefragt ist.

Ein paar Punkte, die ich ansprechen möchte und die relevant sein könnten, falls Sie sich vor einigen Jahren erstmals mit Teilentladungen befasst haben. Erstens: Der Standard IEC 60270 aus der Analogära – dessen Pendant für rotierende Maschinen der IEEE-1434-Leitfaden ist – wurde 2025 überarbeitet und umbenannt (manche Dinge können einfach nicht statisch bleiben!) und befasst sich nun mit ladungsbasierter Messung. (IEC 62478 deckt Hochfrequenz- und Online-Tests wie UHF- und akustische Prüfungen ab.)

Die Migrationsleiter vom Bediener zum Algorithmus: Wann und wie automatisieren?

Die Eliminierung des Bedieners ist nicht mit dem Umlegen eines Schalters vergleichbar – sie gleicht eher einer Leiter, die von einem vollständig manuellen Ausgangszustand zu einem autonomen System führt, mit einer Start-/Stopp-Grenze an jeder Sprosse. Steigen Sie Sprosse für Sprosse auf, während Sie an Fähigkeiten gewinnen, und betrachten Sie vollständig geschlossene Regelkreise, wie beispielsweise Patente für die Teilentladungsüberwachung mit mehreren Sensoren, als oberste Sprosse, nicht als Ausgangspunkt.

Faustregel für Ehrlichkeit: Bei der Bewertung neuer Tools gibt es eine alternative Faustregel. Für einen großen Anlagenpark mit hoher Kritikalität und vielen Anlagen über beispielsweise 50 MVA oder in einem Hauptumspannwerk sollten Sie Ihre Analyse mit Phase 2 und der Beschaffung eines vergleichbaren Maschinendatensatzes beginnen. Für einen kleineren, einfacheren Anlagenpark mit geringerer Kritikalität bleiben Sie in Phase 1 und erwägen Sie Outsourcing. Sie können es sich nicht leisten, einen Klassifikator zu kaufen, den Sie nicht erklären können – also tun Sie es nicht.

Zum Thema Amortisation: Die Vermeidung eines einzigen Transformatorausfalls kann Hunderttausende Euro an Reparaturkosten sowie potenziellen Strafen und Umsatzeinbußen einsparen. Dies spricht für die Automatisierung der Stufen 2 und 3 im Bereich kritischer Anlagen. Allerdings ist zu beachten, dass öffentlich verfügbare, anlagenspezifische Amortisationsberechnungen schwer zu finden sind. Zudem verursacht ein Klassifizierungssystem, das zu viele Fehlalarme auslöst, zusätzlichen Bestätigungsaufwand, der die erzielten wirtschaftlichen Vorteile teilweise oder sogar vollständig zunichtemacht.

Nehmen Sie eine Aussage zur Amortisationszeit von „18–36 Monaten“ niemals wörtlich, sondern betrachten Sie sie lediglich als Hypothese auf Basis Ihrer Daten. Um diese Amortisationszeit zu überbrücken, ist eine leistungsfähige PD-Testplattform erforderlich. Das produktionserprobte PD-Testgeräte-Sortiment von Demikspower deckt die Erfassungs- und Analyseebenen ab, die die meisten Programme zunächst durchlaufen.

Die drei wichtigsten Bedienerfähigkeiten bleiben auch nach der Automatisierung unverzichtbar.

Hier die konträre Wahrheit, die nicht in den Broschüren steht: Es reduziert die Abhängigkeit vom Bediener nicht auf null. Stattdessen verlagert es sie auf drei übergeordnete Fähigkeiten, von denen keine heute von einem System zuverlässig beherrscht wird. Planen Sie ein, diese Fähigkeiten auch auf Ihrem weiteren Karriereweg zu erhalten und zu finanzieren.

Diese zweite Fähigkeit ist der Kern des Modells. Die Genauigkeit der PRPD-Identifizierung erreicht bei sauberen Labordaten nahezu 100 %, sinkt dann aber in störungsbehafteten Produktionsumgebungen rapide ab. Eine dritte Fähigkeit, die die meisten ROI-Modelle vernachlässigen, ist die manuelle Kennzeichnung der Feldsignale, die Validierung des Modells mit vergleichbaren Geräten und die regelmäßige Aktualisierung standortspezifischer Schwellenwerte, um das Vertrauen in den Klassifikator zu stärken.

Diese Fähigkeiten kommen in realen Projekten zum Tragen. Ein Beispiel dafür ist die Inbetriebnahme eines 50-MW-Wasserkraftwerks durch einen Generatorhersteller: Die automatisierten Daten der Stator-Nut-Koppler wurden sauber erfasst und ein übersichtliches PRPD-Diagramm erstellt, jedoch wurde ein Nutentladungsmuster fälschlicherweise als Oberflächenverfolgung bezeichnet.

Ein Ingenieur, der sich mit dieser Maschinenfamilie auskannte, brachte zwei Schlitzkoppler wieder an, korrelierte die Signatur mit drei Schwestergeräten und korrigierte den Anruf – er las den Isolationszustand genau dort, wo die Software ihn falsch gelesen hatte (eine Einschränkung, auf die IEEE 1434 bei gemessenen PD-Werten ausdrücklich hinweist) – alles in etwa 20 Minuten.

Ein OEM-Ingenieur vor Ort hätte diese Einschätzung unmöglich vornehmen können – aber die Daten aus dieser Analyse helfen dabei, eine Maschine so vorzubereiten, dass sie diese Entscheidung in Zukunft selbst treffen kann.

Branchenausblick: KI-gestützte PRPD-Erkennung für Statoren rotierender Maschinen, Edge-Analytik und IoT-Konvergenz (2025–2027)

Die Richtung ist klar, auch wenn die genauen Zeitpläne noch nicht feststehen. Marktprognosen für PD-Prüfgeräte liegen laut verschiedenen Quellen im Jahr 2025 zwischen 0.5 und 2 Milliarden US-Dollar, je nachdem, ob Online-Überwachung mit einbezogen wird. Dank der zunehmenden Verbreitung von IoT, KI und prädiktiven Analysesensoren wird ein jährliches Wachstum von etwa 5 bis 7 % erwartet. Dies spiegelt sich auch in den Suchanfragen wider: Sowohl Online-PD-Prüfgeräte als auch IoT-Geräte für die vorausschauende Wartung verzeichneten im Vergleich zum Vorjahr einen Anstieg der Suchanfragen.

Im Hinblick auf Ihren nächsten Kapitalzyklus sollten Sie Folgendes im Auge behalten: 1) Technologie zur PD-Klassifizierung (Labor-zu-Feld): Studien zur Klassifizierung von PRPD mittels Deep Learning zeigen weiterhin bemerkenswerte Ergebnisse (ein hybrides CNN-KNN-System erreichte 2025 eine Genauigkeit von 98.79 % bei vorbereiteten Signalen). Das Rauschen beim Übergang vom Labor ins Feld stellt jedoch weiterhin die größte Herausforderung dar.

2) Neue Patentaktivitäten: Wir beobachten eine Konzentration der Aktivitäten auf Multisensorfusionssysteme – beispielsweise kombiniert EP3182114B1 akustische und elektrische Sensoren für die Teilentladungserkennung rotierender Maschinen.

3) Änderungen der IEC-Normen: Im Jahr 2025 werden neue Normen für IEC 60270 Formulierungen enthalten, die moderne digitale Signalverarbeitungstechnologien offiziell unterstützen.

Für Anlagenbetreiber empfiehlt es sich, jetzt in die Automatisierung der Stufen 1 und 2 zu investieren – so erhalten Sie innerhalb des nächsten Budgetzyklus saubere, kontinuierliche Daten und eine erste Kennzeichnung Ihrer wichtigsten Anlagen. Die Anschaffungsbewertung für die Autonomie der Stufen 3 und 4 sollte für 2026/2027 aufgehoben werden. Die in Stufe 2 erfassten Daten liefern Ihnen genau die Vergleichsdaten, die Sie für die Stufen 3 und 4 benötigen.

Häufig gestellte Fragen