由于气体绝缘组合电器(Gas Insulated Switchgear，简称GIS)内部产生局部放电(Partial Discharge，简称PD)是引发事故的重要因素之一，因此，为了保证GIS的安全可靠运行，国内外对GIS局部放电在线监测技术开展了大量的研究。大量研究表明，PD会引起SF6气体发生分解，并且不同的绝缘缺陷可能导致SF6气体的分解过程、分解速率、分解产物相对含量以及影响因素等各不相同；同时在SF6分解气体组分分析研究中发现，基于气相色谱、红外光谱等方法所得分解气体组分分析结果中不可避免存在背景信号干扰和组分信号的重叠。为此，本文在已研制的SF6气体局部放电分解实验平台和已设计的针-板、自由金属微粒缺陷的基础上，对SF6气体局部放电分解产物进行气相色谱解析，并针对SF6气体放电分解产物色谱数据的特点，采取化学计量学技术对色谱数据进行背景扣除和重叠组分分离的优化处理以及初步的分解组分定量分析。取得主要成果有：
　　 在已研制的SF6气体局部放电分解实验平台上和设计的针-板与自由金属微粒两种缺陷下进行SF6气体局部放电分解试验，并运用气相色谱技术解析了两种缺陷下的分解气体组分；通过气相色谱分析获取了两种缺陷不同时间段下分解气体组分类型、含量上的区别，并提出了把SOF2与CF4的含量作为两种缺陷的判别依据之一。
　　 在初步获取的气相色谱数据基础上，运用小波分析技术中的Mailat算法对色谱数据进行小波分解，采取将高频信号置零，重构低频背景信号，再用原始信号扣除背景信号的方法，并对背景信号进行纵向平移以避免扣除后出现负数据点造成色谱峰失真的问题及达到色谱图基线校正的目的；通过对含曲线背景信号的模拟色谱数据和针-板、自由金属微粒缺陷下的真实数据的计算研究表明，该方法的应用是有效的；并通过对不用小波函数和不同分解次数的背景扣除计算，确定了SF6气体放电分解组分色谱背景扣除所选用的最佳小波函数为Db5小波和最佳分解次数为8次。
　　 针对SF6、空气峰值过高和分解组分出峰时间过于集中而产生重叠峰的特点，采用按比例修正过高峰值和横坐标步长的办法，在曲线拟合算法中引入BP人工神经网络调整公式迭代求解拟合误差E，及利用K(t)=e-k(1-n/T)函数特性，由宽逐严地确定重叠信号峰位、峰强和峰宽，从而分离重叠组分。由对含近完全和部分重叠两种重叠情况的模拟数据和针-板、自由金属微粒两种缺陷下真实数据的计算研究表明，该方法对于SF6气体放电分解产物气相色谱分析数据重叠信号的分离是有效的；在对不同比例下过高峰值和横坐标步长修正计算中发现，修正空气和SF6峰值为其它气体组分中最高峰值的7.5倍可保证该算法的有效进行；1/2倍比例修正横坐标步长即每1分钟取2个采样点时，可以使在运用该方法进行分离时，参数的选择更效率、峰位的确定更精确。