六氟化硫（SF₆）气体具有优良的绝缘和灭弧性能，以SF₆为绝缘介质的气体绝缘电器（Gas Insulated Switchgear，GIS）具有绝缘强度高、运行稳定、占地面积少和维护工作量少等优点，在电力系统中得到愈来愈广泛的应用。然而，GIS设备中不可避免会存在一些绝缘缺陷导致局部放电（Partial Discharge，PD）的产生，从而引起SF₆气体发生分解，在微氧和微水等杂质作用下，生成SO₂、CO₂、CF₄、SOF2、SO₂F₂、SOF₄和HF等特征气体，通过检测特征气体含量和变化规律可以判断PD的产生故障原因、放电水平以及危险程度，已成为国内外研究的热点。气体光声光谱法以其检测灵敏度高、检测范围宽、不需要消耗被测气体和载气、特别适用于在线监测等优点，在SF₆局放分解组分检测中有良好的应用前景。本文结合气体光声检测原理和气体分子红外光谱理论，深入分析了气体光声检测中热的产生和声场的激发，为光声检测结果的理论分析提供了依据。给出了局放下SF₆分解组分SO₂、CO₂、CF₄的特征频谱，利用已搭建的光声检测实验平台获得了气体的光声信号与气体体积分数关系和SO₂、CO₂、CF₄的最低检测限，获取了SO₂、CO₂和CF₄单一组分的光声信号温度特性和混合组分的交叉吸收响应特性，对温度变化影响微量气体成分的光声信号检测精度进行了理论分析。研究发现本文实验温度范围内的SO₂（7.35μm）、CO₂（4.26μm）和CF₄（7.78μm）光声信号值具有负温度特性，混合组分交叉响应比例具有正温度特性。为此，提出了一种光声光谱检测微量气体的温度线性校正模型，并对SO₂、CO₂和CF₄受温度影响的光声信号进行了校正检验，校正结果与参考温度下的标准光声信号误差最大不超过4%，为研制SF₆在线监测装置奠定了可行的温度校正基础。针对SF₆局放下某些特征分解组分的红外吸收频带存在重叠部分，利用光声技术检测其成分会有严重的交叉响应，为此，本文将主成分分析（PrincipalComponent Analysis，PCA）与径向基函数（Radial Basis Function，RBF）神经网络相结合应用于光声检测输出信号阵列的处理，以改进传统RBF神经网络在输入空间严重自相关时检测精度的下降，实现了对SO₂、CO₂、CF₄混合气体体积分数的精确检测。结果表明：PCA-RBF神经网络有效的消除了样本之间的相关性，其最高平均检测误差降到了3%左右，为光声检测法应用于SF₆局放分解组分检测提供了有效的数据处理手段。最后，通过与气相色谱法和检测管法的对比，给出了光声检测法的性能评价和其应用前景。