随着我国工业化进程的加速,特高压电网得到快速发展。封闭式气体绝缘开关装置(Gas Insulated Switchgear,GIS)因占地面积小、检修周期长、电磁危害小等优点被广泛应用于高压变电环节。由于生产制造、安装运输及长期运行过程中的诸多不可控因素,GIS设备的局部放电现象时有发生。因此,及时诊断GIS设备局部放电故障对电力系统的安全稳定运行具有重要意义。本文主要研究内容是对GIS设备局部放电产生的特高频信号进行故障识别。首先对GIS内特高频信号的产生机理进行描述,分析了特高频信号的传播特性,概括了发生局部放电时的常见故障类型。根据局部放电时的特高频信号特性设计了局部放电检测装置,装置由特高频传感器、数据采集装置和集中单元构成。特高频信号被检测装置采集变换后传输至计算机,在计算机内对实时数据进行智能分析。以统计特征,时域特征和频域特征为基础,提取22组特征参数。采用主成分分析法,计算特征参数的协方差矩阵并求解其特征值,由累计贡献率确定主成分阶数,可得降维数据。将降维数据作为输入样本,运用BP神经网络进行故障识别,逐一确定网络最优结构,但BP神经网络性能易受权值和阈值影响,故采用遗传算法优化BP神经网络的权值和阈值。从实验分析可知优化后的算法较原算法相比,识别准确率提高,故障平均识别率达91.5%。通过样本数据验证了该方法能有效识别GIS设备局部放电故障,具有可行性。