摘要：在GIS局部放电模式识别研究中，为解决传统决策树方法中只针对单一特征及有限模式进行学习而导致决策树结构复杂、预测准确率不高、对噪声数据的抗干扰能力差等问题，提出综合多类特征的hdaBoost决策树识别方法。设计实验并通过超高频方法采集GIS中高压导体毛刺放电、悬浮电板放电、气隙放电、微粒放电及手机、灯光干扰信号，从p-q—n图谱的统计分布、q-t图谱的矩分布、q-n图谱的weibull分布三个不同角度提取特征，研究单一及综合形式的特征对C4．5决策树及AdaBoost决策树的识别效果的影响。实验及现场检测的识别结果表明综合三类不同特性的特征并通过AdaBoost方法生成决策树，能有效优化决策树的识别性能，提高决策树的时间和空间效率。

关键词：气体绝缘组合电器 超高频 局部放电 决策树 adaboost 

单位：上海交通大学电气工程系 上海200240