封闭气体绝缘开关（Gas Insulated Switchgear,GIS）可靠性高,随着城镇化、电气化进程的加快,GIS在电网中被广泛应用。但因工艺不精、操作不当、长期运行等问题,局部放电（Partial Discharge,PD）时有发生,严重时会发生绝缘击穿导致电网瘫痪,因此有必要对GIS设备局部放电故障进行及时的诊断。本文主要针对GIS的PD信号进行模式识别。分析现有方法,本文采用基于自适应变分模态分解（Adaptive Variational Mode Decomposition,AVMD）和随机森林（Random Forest,RF）结合的PD模式识别方法。采用人工鱼群算法（Artificial Fish Swarm Algorithm,AFSA）优化VMD算法对PD信号进行分解,得到所有的模态分量。分别从时域、频域、IMF的能量熵和样本熵等方面提取特征,生成特征集,输入到RF中进行训练分类,判断PD类型。具体如下:（1）PD信号特征提取。分析现有方法,本文提出基于AFSA-VMD算法的信号处理方法。利用仿真模型和实测数据进行实验,通过与EMD算法进行对比,证明了VMD算法在克服模态混叠上的优越性。分析分解层数K,惩罚因子α对VMD算法的影响,针对目前VMD参数选择问题,以最小包络熵为适应度函数,引入AFSA算法来实现自适应VMD分解。分别用PSO-VMD和AFSA-VMD处理仿真信号,结果表明,PSO-VMD在进行优化时易陷入局部最优,且运行时间较久,AFSA-VMD运行时间更短,AFSA-VMD分解出的IMF分量与原信号所含信号成分相符合。提取时域、频域特征,计算IMF的样本熵、能量熵,将其作为特征参数输入到RF分类器中,实现PD信号模式识别。（2）构建分类器模型。针对单个分类器在故障诊断中准确率低的问题,采用RF分类器进行PD模式识别。对实际采集的四种PD信号进行训练测试,为了验证RF算法在PD模式识别上的效果,分别采用BPNN、SVM、KELM等算法进行实验对比,结果表明AVMD-RF的识别率最高,且用时较短。