随着智能电网建设水平的不断提升,要求特高压断路器具备智能化以及较高的稳定性,特高压断路器的可靠性与智能电网的安全性息息相关。选相投切技术作为断路器智能化的一个重要方向,可以减小暂态过程中的涌流和过电压幅值,从而提高电力系统运行的经济性和可靠性。然而,特高压断路器的动作时间存在分散性、不易预测和控制等特点导致选相投切技术难以实现。因此,提高特高压断路器动作时间的稳定性备受关注。本研究致力于预测特高压断路器动作时间,并基于大数据技术分析影响动作时间因素,研究影响因素与动作时间的变化规律。首先对特高压断路器的弹簧液压机构和大数据技术在电网中的应用现状进行分析。然后,阐述了弹簧液压机构的技术参数、结构参数和工作原理。在机构工作原理的基础上,分析结构参数和环境因素对断路器动作时间的影响,为处理实验数据提供理论基础。论文提出并搭建了一个基于Hadoop的断路器动作时间预测的离线分布式处理平台。进行实验环境的搭建,选择创建三台虚拟机,分别在虚拟机上安装HBase、ZooKeeper等软件,构成具有三个节点的完全分布式处理平台。此外,搭建单机模式并对比其与完全分布式处理数据的损耗时间,验证完全分布式平台的高效性。对大量的1100kV小型GIS断路器实验数据进行结构化预处理,在平台上通过eclipse进行编程实现了多元线性分析和BP神经网络算法,获得了通过控制电压和油压等影响因素预测断路器动作时间的数学模型,并进行数学模型的验证和误差分析。结果表明,多元线性分析法在分闸时间预测上误差范围在±1ms以内,在合闸时间预测上误差范围在±1.5ms,BP神经网络预测精度更高,分合闸时间预测误差范围均在±1ms以内。将两个算法的预测误差进行对比,BP神经网络预测误差范围满足特高压断路器选相要求。结合断路器动作时间预测的处理平台,采用LabVIEW进行可视化平台的设计与实现。根据所要实现的功能,将可视化平台分为串口通信、数据读取、分闸时间预测和合闸时间预测四个模块。对各个模块进行程序编写和界面设计,运行可视化平台。结果表明,该平台简洁、直观,能够高效地对预测结果进行分析和展示。