项目研究包括特高频信号采集系统、超声波信号采集系统、GIS局部放电综合分析系统，针对电气设备局部放电类型识别问题，考虑到电气设备监测系统在诊断识别方面的时效性及精度，提出了基于边缘计算的局部放电模式识别方法，利用边缘计算架构的优势，基于云层训练、边缘推理思路，将复杂的识别算法训练优化过程部署在云层，将计算量大的识别算法卸载到边缘层，而计算量小的特征提取保留在终端设备层处理，有效地降低了云端计算压力，在保证识别准确性的情况下提高了数据处理的实时性；项目构建PRPS、PRPD、脉冲聚类等图谱，最大限度地利用特高频传感器及超声波传感器所获取的丰富绝缘状态信息进行融合互补，通过信息融合技术对多种特征参量的共性和差异性进行分析，提高识别算法的辨识率和可靠性，利用两种信号传播速度的不同，改进定位算法，提升系统故障定位精度和抗干扰能力。本项目利用GIS局部放电综合分析系统对GIS缺陷进行隐患排查，对GIS缺陷诊断、隐患排查、状态检修、事故治理具有重要意义；采用可拆卸移动式传感器布置方式便于监测装置的安全，采用多种探测手段有效结合分析，充分发挥了多种传感器的技术优势，具有重要理论和现实意义，有效提升了甘孜公司GIS设备安全运行水平，同时也为其他电厂GIS的状态评估和缺陷诊断提供借鉴。