基于分解产物动态特征的GIS气室多类型故障识别模型研究

马 晓娟1, 游 骏标2, 林 芬2, 蔡 元鹏2, 张 宝怡3
1、国网河南省电力公司技能培训中心
2、厦门加华电力科技有限公司
3、成都文理学院

摘要


针对GIS气室多类型故障识别难的问题，本文构建基于SF6分解产物动态特征的智能识别模型，融合
K-Means、GMM聚类与LSTM、随机森林等算法，实现典型故障的高精度判别。系统集成虚拟检测仪与VR实训平
台，形成从数据采集、模型识别到交互训练的完整闭环。验证表明，模型在故障识别准确率、趋势拟合与实训效率
方面具备优异性能，适用于复杂工况下的智能运维与技术培训。

关键词


SF6分解产物；GIS故障识别；动态建模；虚拟仿真；实训系统

全文:

PDF


参考


[1]朱石炼.某电厂500 kV GIS内绝缘子击穿故障分析

及处理[J].科技创新与应用，2025，15（14）：174-177.

[2]肖舒月，程梦盈，龙国华.一起220 kV GIS特高

频局放异常诊断分析[J].江西电力，2025，49（02）：55-

58+71.

[3]张锦圣.变电站GIS安装技术及质量控制要点探析

[J].中国设备工程，2025，（08）：211-213.

[4]潘浩.一起220 kV GIS设备内部机械故障诊断及

解体实例[J].电工技术，2025，（07）：181-183+186.

[5]苏继东.郑渝高铁航空港牵引变电所GIS开关柜故

障原因分析[J].铁道技术监督，2025，53（03）：45-50.


Refbacks

  • 当前没有refback。