基于SF6分解产物分类规划的GIS放电故障分析

为提高气体绝缘开关(Gas Insulated Switchgear,GIS)的安全评价能力，在基于机器学习算法的GIS诊断模型的鲁棒特性基础上，研究由阿伦尼乌斯化学反应模型处理的不同故障类型的经验概率函数，利用6种机器学习算法建立放电故障和绝缘缺陷模型，通过学习组成系统中不同气体(SO₂、SOF₂、SO₂F₂、CF₄、CO₂等)体积分数的数据集及其比值来训练识别算法。结果表明，经验概率模型可以有效识别GIS多种绝缘缺陷及其共存状态，SO₂F₂和SO₂体积分数比为4.2是高能放电状态的临界点，对故障预警具有重要意义；在基于高斯分布的GIS绝缘缺陷测试结果图中，y≈0.15的区域是多种放电故障共存的区域，需重点关注。