气体绝缘组合开关装置(Gas Insulated Switchgear,GIS)因其卓越的性能和极高的安全稳定性,已经在电力系统占据重要地位。然而,各种外界因素以及长时间的运行可能给GIS留下绝缘缺陷,并引发绝缘故障。局部放电(Partial Discharge,PD)特高频(Ultra High Frequency,UHF)信号分类识别是一种能够发现并分析辨识GIS内部绝缘缺陷类型的有效方法,受到广泛关注。为了提高GIS局放信号分类识别的效率和准确性,本文提出了一种采用联合特征参量的基于随机森林算法的GIS特高频局放信号识别系统。首先,本文利用UHF信号采集法获取由GIS局放模拟装置产生四种典型绝缘缺陷的局放信号进行预处理,并作为数据集,绘制散点图。根据信号图像特征设计新的特征参量,并结合传统的统计特征和图像矩特征,选取32组特征参量,以提高数据区分度。为局放信号的分类识别建立更能准确描述信号特点的参量空间,避免参量维度过低导致的低正确率。然后,本文采用10折交叉验证法将数据集分为训练数据组和测试数据组,以提高数据样本的使用率,削弱评估分类器过程中的随机性。利用Bagging(Bootstrap Aggregating)算法将训练组数据分为多个样本子集,并从特征参量空间中独立随机获取同样数量维度不定的参量子集,建立随机森林。通过随机森林中的大量决策树来分担特征参量的维度,解决了特征参量过高引起的低效性。同时,也不会因为树木的增加引起过拟合效应,从而克服了其他传统模式识别方式对特征参量维度的过高要求。在此基础上,通过决策树对测试数据进行判别和投票,获得最终的分类结果。仿真和试验数据均验证了本方法在GIS局放信号分类中的有效性。接着,本文在随机森林识别算法的基础上,完善其分析功能,并设计实现了GIS特高频局放信号识别系统。该系统通过UHF处理终端的信号传感器获取UHF局放信号数据,并利用ZigBee和WIFI与系统主机之间进行数据传输,使用安装分析识别程序的计算机对数据进行分析和识别。为验证识别系统的有效性,本文进行了GIS模拟局放实验,表明本系统具备进行实际应用的能力。最后,将系统应用在现场的在线检测试验,得到受检测GIS运行状态良好的结论。