摘要：近年来，机器学习在气体绝缘组合电器（GIS）绝缘缺陷上获得了一定的突破，但传统的方法存在利用信息不全、过度依靠人工特征提取和诊断率较低等缺点，为了解决这些问题，提出了一种基于深度图卷积神经网络（DGCN）的诊断方法。首先，在220 kV真型GIS上搭建了局部放电（PD）实验平台，通过特高频传感器采集到的局部放电信号经傅里叶变换转换为频域谱图样本；然后，将谱图样本输入DGCN，经过图卷积、粗化、池化操作，使谱图结构更加清晰来丰富输入信息；最后，利用测试样本对设定好参数的DGCN进行测试，研究结果表明，提出的诊断方法对GIS故障缺陷的识别率可达98.77%，明显高于其他方法，并且具有较好的鲁棒性。

      关键词：气体绝缘组合电器；局部放电；故障诊断；绝缘缺陷；深度图卷积神经网络；简单线性聚类法

      中图分类号：TM75     文献标识码：A