本书主要介绍气体绝缘装备局部放电检测与绝缘状态评价所涉及的基础理论与关键技术，内容包括气体绝缘装备局部放电检测及噪声评价、混合局部放电信号分离、局部放电类型辨识、局部放电程度评估与状态评价技术等四篇，共14章。
本书适用于从事电气设备设计、制造、运维检修人员的理论与技术参考书，也可作为高等院校研究生和本科生相关专业课程的教学参考书。

前言
第一篇 气体绝缘装备局部放电检测及噪声评价
第1章 绪论
1.1 气体绝缘装备结构及应用
1.1.1 气体绝缘装备种类及结构
1.1.2 气体绝缘封闭组合电器
1.2 气体绝缘装备内部常见绝缘故障
1.2.1 气体绝缘装备内部绝缘故障案例统计
1.2.2 气体绝缘装备内部典型绝缘故障原因
1.3 气体绝缘装备故障及状态监测方法
1.3.1 气体绝缘装备故障检修试验标准
1.3.2 现有气体绝缘装备状态检测技术
参考文献
第2章 气体绝缘装备PD主要检测方法
2.1 脉冲电流法
2.1.1 脉冲电流法基本原理
2.1.2 脉冲电流法三种常用电路
2.2 特高频检测法
2.2.1 特高频检测法基本原理
2.2.2 工程应用案例
2.3 光测法
2.3.1 光测法基本原理
2.3.2 测量参数与方法
2.4 超声波检测法
2.4.1 超声波检测法基本原理
2.4.2 工程应用案例
2.5 SF6分解组分分析检测法
2.5.1 SF6分解组分分析检测法基本原理
2.5.2 工程应用案例
参考文献
第3章 PD信号噪声特点与SNR二阶估计
3.1 典型绝缘缺陷的PD信号特征
3.1.1 四种缺陷产生的PD时频信号
3.1.2 特高频PD数学模型
3.2 干扰信号特征与SNR二阶估计
3.2.1 干扰信号的特征
3.2.2 SNR二阶估计理论与方法
3.2.3 模拟PD信号的SNR二阶估计
3.2.4 实测PD信号的SNR二阶估计
参考文献
第二篇 混合局部放电信号分离
第4章 PD信号混合与分离基础知识
4.1 混合PD信号的生成与分离
4.1.1 混合PD信号的生成过程
4.1.2 混合PD信号的数学模型
4.1.3 PD信号的线性瞬时混合与分离
4.1.4 PD信号的线性卷积混合与分离
4.2 混合PD信号的盲源分离理论
4.2.1 混合信号盲源分离原理
4.2.2 盲源分离可分性与判定准则
4.2.3 盲源分离问题解的不确定性
4.2.4 盲源分离对比函数准则
4.3 混合PD信号的分析与预处理
4.3.1 混合PD信号的空域相关分析
4.3.2 混合PD信号的白化预处理
参考文献
第5章 混合PD信号二阶统计量分离算法
5.1 分离评价参数
5.2 基于SOS准则的分离算法及分离性能分析
5.2.1 基于SOS准则的SOBI算法原理
5.2.2 基于SOS准则的分离算法分离性能分析
5.2.3 改进的基于SOS准则的SOBI算法
5.3 模拟混合PD信号的分离
5.3.1 相对距离对分离效果的影响分析
5.3.2 混合矩阵H对分离效果的影响及统计分析
参考文献
第6章 混合PD信号卷积分离技术
6.1 卷积混合信号的盲源分离法
6.1.1 卷积混合信号的盲源分离时域算法
6.1.2 卷积混合信号的盲源分离频域算法
6.2 非平稳混合PD信号特性与短时平稳划分
6.2.1 非平稳混合PD信号特性分析
6.2.2 非平稳混合PD信号短时平稳划分策略
6.3 频域内分离信号“两个不确定性”问题
6.3.1 分离信号幅值不确定性的控制策略
6.3.2 分离信号顺序不确定性的应对措施
6.3.3 频域分离单一PD信号的重构实现
6.4 模拟混合PD信号的分离
6.4.1 卷积构造模拟混合PD信号
6.4.2 混合PD信号的分离
6.5 实测混合PD信号的分离
6.5.1 实测混合PD信号的二阶统计量分离
6.5.2 实测混合PD信号的卷积分离
6.5.3 两种分离算法效果比较
参考文献
第7章 PD特征参数与特征提取
7.1 PD模式识别常见特征参数及变化趋势分析
7.1.1 统计特征参数
7.1.2 图像矩特征参数
7.1.3 分形特征参数
7.1.4 波形特征参数
7.1.5 小波特征参数
7.2 基于二元树复小波变换的辨识PD的特征量提取方法
7.2.1 二元树复小波变换-奇异值分解
7.2.2 多尺度特征参数提取
7.3 基于核主成分分析与深度神经网络的特征量优化研究
7.3.1 UHF信号特征量分析提取模式
7.3.2 三种模式特征量相关性分析
7.3.3 基于核主成分分析的特征量优化
7.3.4 深度自编码网络特征优化方法
7.3.5 两种优化方法对比分析
参考文献
第三篇 局部放电类型辨识
第8章 基于支持向量数据描述的PD类型辨识
8.1 支持向量的基本原理
8.1.1 支持向量机
8.1.2 支持向量数据描述
8.1.3 支持向量数据描述核函数
8.2 改进的支持向量数据描述学习算法
8.2.1 优化半径支持向量数据描述算法
8.2.2 基于支持向量数据描述的多分类算法
8.3 PD OR-SVDD模式辨识方法
8.3.1 OR-SVDD分类器训练及辨识流程
8.3.2 基于特征获取的PD模式辨识
8.3.3 基于优化分类器的模式辨识
参考文献
第9章 基于深度学习的PD模式辨识
9.1 深度置信网络
9.1.1 受限玻尔兹曼机
9.1.2 构建深度置信网络
9.2 GIS设备典型PD模拟实验
9.2.1 实验设计
9.2.2 实验数据
9.3 基