摘要：传统电力系统设备隐患在线识别方法识别准确率低，为了解决上述问题，基于kNN算法研究了一种新的电力系统设备隐患在线识别方法。通过使用Vicon完成设备状态捕捉，采用kNN算法提取电力系统设备隐患信息，以此来完成对于设备运行状态的分析，使用8个定位点对设备进行标记，使得摄像头可以捕捉到设备运行的动作，以此来判断出是否存在故障数据。研究静电力的凹凸特性，工作人员通过感触觉反馈方法去模拟采取静电力的反馈的波形，这样就可以高度地还原设备模型状况的真实性，利用工作人员的触觉采集指纹进行kNN算法和人工智能分析，确定设备是否存在故障。实验结果表明，基于kNN算法的电力系统设备隐患在线识别方法识别准确率高于传统方法，识别能力更强。

      关键词：kNN算法；电力系统；设备隐患；在线识别

      中图分类号：TP183     文献标识码：A