摘要:为有效识别气体绝缘开关组合电器(gas insulated switchgear, GIS)局部放电( partial discharge, PD)类型,进而保障设备 安全稳定运行,提出了一种基于集合模态分解(ensemble empirical mode decomposition, EEMD)联合能量矩与改进麻雀群搜索算 法优化支持向量机(improved sparrow search algorithm-support vector machines, ISSA-SVM)算法的 GIS 局部放电类型识别方法。 首先搭建能产生 4 种局部放电类型效果的 GIS 局部放电实验平台,以获取 4 种局部放电信号,然后利用 EEMD 联合能量矩算法 分别对 4 种局部放电信号进行模态分解与特征向量提取,最后利用经 ISSA 算法优化后的 SVM 算法对 GIS 局部放电类型进行 识别。 实验结果表明,所提方法可有效识别 GIS 不同局部放电类型,且较 PSO-SVM 与 SSA-SVM 算法识别精度分别提高了 16. 7%与 8. 5%,验证了所提 GIS 局部放电类型识别方法的有效性以及优越性。