为实现电力GIS设备的状态在线监测,本研究开展了监测信息获取与多源数据融合技术的研究。首先,分析了GIS运行状态的关键参数,提出了气体、振动、声发射、热损伤等信息的检测方法,构建了集成多类传感器的监测系统。然后,设计了基于深度学习的GIS运行参数关联分析算法,实现对局部放电、过热、气隙等故障模式的识别。最后,在某变电站内对一台220kV GIS进行监测系统设计与运行,验证所提出方法可以实现对GIS运行参数的精确采集,并可以基于数据关联分析技术对GIS状态进行准确评估,为系统故障预测与报警提供支撑。研究成果表明所构建的多源监测数据融合及状态评估平台高效可靠,为提高GIS设备的安全性与可靠性提供了新思路。
