摘要：气体绝缘开关设备（GIS）因绝缘缺陷引起的局部放电特性具有复杂性和分散性，其特征量的选取易产生数据的丢失和冗余，导致故障类型的识别效果不佳。据此，提出了采用线性判别分析（LDA）方法和遗传算法优化概率神经网络结合的局部放电模式识别方法。通过GIS局部放电实验平台模拟了5类典型的GIS局部放电模型，并建立相应的超高频图谱，提取了相关的特征参量；经过线性判别分析降维得到低维的样本空间，并送入到遗传算法优化后的概率神经网络中进行模式识别；分别采用BP神经网络、SVM、概率神经网络、优化概率神经网络4种分类器进行模式识别，实验结果表明，样本空间经过LDA降维，并经过遗传算法优化概率神经网络进行模式识别，具有较优的识别效果和识别时长。

      关键词：气体绝缘开关设备；局部放电；模式识别；线性判别分析；遗传算法；概率神经网络

      中图分类号：TM933    文献标识码：A