郭建鑫，赵玉顺，王志宇，丁立健

(合肥工业大学电气与自动化工程学院，合肥 230009)

0 引言

气体绝缘组合电器(gas insulated switchgear，GIS)具有占地面积小、运行稳定性高等诸多优点，被广泛应用于各电压等级的变电站中[1-2]，其绝缘可靠性直接影响电力系统的安全稳定运行。盆式绝缘子是GIS的核心绝缘部件，受生产制造、安装、运行过程中众多因素的影响，其表面和内部可能存在多种绝缘缺陷，因此在运行中容易发生局部放电，加速盆式绝缘子的绝缘损坏过程[3]。不同缺陷的局部放电带有不同的故障信息，通过分析可以对不同类型的局部放电信号进行分类[4-5]。但目前对于盆式绝缘子局部放电识别的研究较少，这为检修排障工作带来了困难，因此有必要针对盆式绝缘子典型缺陷局部放电的分类识别开展研究。

针对局部放电的分类识别，近年来国内外学者在特征量提取方法和分类器优化选择两方面开展了大量的研究，得到了较好的识别效果[6-8]。文献[6]将S变换与谱峭度算法结合，提取出包含局放信号主要信息的时频矩阵，并使用概率神经网络实现了分类识别。文献[7]提取了局部放电信号的26个统计特征参量并进行降维，通过多分类相关向量机进行分类识别。文献[8]利用在线序列极限学习机对局放信号的27个统计特征参量进行训练，得到了较高的识别正确率。上述文献大都先提取局部放电信号的特征矩阵或多个特征值，再对提取的特征进行识别，不同特征参数和特征矩阵的选取对分类结果影响较大，一定程度上削弱了上述方法的鲁棒性能。……