摘要：开关柜多源监测数据包含丰富的设备运行状态信息，对其进行分析可实现开关柜故障诊断。提出一种基于SMOTE-SSA-CNN的开关柜故障诊断方法。首先，以开关柜电压、电流和温湿度等监测数据为基础，采用合成少数类样本过采样技术（SMOTE）算法对原始数据集进行样本扩充，解决原始数据集中正负样本严重失衡的问题；然后引入麻雀搜索算法（SSA）对卷积神经网络（CNN）的卷积核大小与数量、全连接层神经元数量、学习率等超参数进行优化，提高模型故障诊断结果的准确率；最后，通过算例分析对建立的SMOTE-SSACNN模型性能进行评估，验证了所提方法对开关柜故障诊断的有效性，且与传统故障诊断方法相比，所提方法的收敛性较好，精度较高。

      关键词：开关柜；多源监测数据；合成少数类样本过采样技术算法；麻雀搜索算法；卷积神经网络

      中图分类号：TM591     文献标识码：A