电力系统的快速发展使得绝缘、熄弧性能优异的SF₆气体得到了大规模应用。然而,SF₆气体在放电作用下易与空气中的微氧和水汽发生化学反应,生成的多种有毒和酸性物质会破坏电力设备的正常运转,严重威胁工作人员的生命健康。针对当前非分光红外SF₆气体传感器在实际检测过程中因环境气压波动引起的非线性误差问题,本文提出了一种混合型PSO-BP神经网络气压补偿模型,利用其良好的非线性映射和泛化能力对环境气压造成的传感器检测误差进行补偿,实现对电力系统中SF₆气体浓度的精确检测,具体研究内容如下:1、简要介绍了几种典型SF₆气体传感器的测量原理,重点突出了非分光红外SF₆气体传感器的技术优势,并对其国内外研究现状和气压补偿方法进行了阐述;2、分析了红外光谱吸收原理,绘制了 SF₆气体的红外光谱图,并对其特征吸收峰进行了选定。基于非分光红外检测技术,设计了一种单光束双波长光路结构,有效消除了光路干扰、光源功率不稳及光电器件零漂等干扰。通过设计合理的光学气室,减小了红外辐射在传播过程中的损耗;3、搭建了非分光红外SF₆气体传感器测试平台,继而对传感器进行了定标实验,并据此获得了 SF₆气体浓度与相对吸收率之间的关系。此外,还进行了传感器受检测环境气压影响的验证实验,分析比对了 PSO-BP神经网络法与公式模型法、RBF神经网络法的气压补偿效果。实验结果表明,传感器在气体浓度0～2000ppm、气压100～120Kpa范围内的最大测量误差由626ppm降低至20ppm,相对标准偏差为1.32%,满量程精度为±1%FS,相对误差为2%。该SF₆气体传感器具有检测精度高、小型化程度好及抗干扰能力强等优点,在电力系统中具有广泛的应用前景。