随着气体绝缘开关组合电器（Gas Insulated Switchgear,GIS）广泛在输配电系统中进行使用,因其良好的绝缘性能、较高的供电可靠性以及占地面积小等优点,得到了众多认可。但由于电力系统中GIS设备的增长,因GIS设备日常装配、运输、运行、维护所产生的缺陷故障也逐渐增多。不同类型的绝缘缺陷所引发的局部放电（Partial Discharge,PD）对GIS设备绝缘所造成的危险和发生击穿造成的危害都有所不同。研究局部放电的类型并进行识别,对GIS设备处理缺陷和维修有着重要的指导意义。但因局部放电存在多样性和复杂性,仅通过单一模式来对其进行分析难以进行类型识别,在实际工作中效果不佳。因此,为了高效准确地识别局部放电类型,进而保障设备安全稳定运行,本文采集了大量局部放电数据,提出了一种基于集合模态分解联合能量矩与改进麻雀群搜索算法优化支持向量机算法的GIS局部放电类型识别方法。首先,设计局部放电模型,采集局部放电信号,通过EMD算法对测试原始波形分解,发现EMD算法存在的问题,然后基于经验模态分解方法法提出一种集合模态分解EEMD方法。使用EEMD算法对测试初始波形分解来证明EEMD在分解信号上的优越性。并通过能量矩对所得数据进行处理。其次,为了对放电信号进行模式识别,使用SVM算法。但SVM算法需要对核函数参数进行优化才能提高精准度,所以基于SSA算法提出一种基于余弦函数的探索者个体占比更新方式的算法ISSA,并使用三种寻优函数分别用粒子群优化算法PSO和SSA算法进行性能测试。证明ISSA在寻优性能上的优越性。然后建立PSO-SVM,SSA-SVM,ISSA-SVM数学模型,并使用wine数据集进行性能测试,验证了ISSA-SVM在数据处理上的良好性能。最后搭建能产生四种局部放电类型效果的GIS局部放电实验平台,以获取四种局部放电信号,然后利用EEMD联合能量矩算法分别对四种局部放电信号进行模态分解与特征向量提取,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%,并且需要的迭代次数更少,综合诊断精度达到了96.25%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。该论文有图45幅,表7个,参考文献60篇。