随着全国配电站房数量的增多,并且配电站房运行环境相对封闭,通透性较差,湿度较大,随着设备的长期运行,室内温度也较高。在这种较差的环境中,配电设备容易绝缘老化,造成设备运行故障,严重影响了配电站房的安全运行。因此,为了保证配电站房安全稳定地运行,需要考虑配电站房设备安全,网络通信安全,需要从多个方面对配电站房监控。并且,将监控数据综合考虑,对配电站房整体运行状态进行综合的评估,及时反映安全态势,并将评估结果送达给运维检修人员,帮助运维检修人员制定合理的运维策略,这将极大提高站房的运维效率,保障站房安全运行。针对配电站房的状态评估,本文主要研究了三个方面的内容:一是研究了局部放电模式识别方法。针对传统的局部放电模式识别特征提取单一,识别准确率低等问题,文中提出了一种基于D-S的局部放电模式识别方法。根据现场得到的局部放电数据,通过提取局部放电数据的统计特征、时域特征、频域特征建立BP神经网络模型,同时提取图像特征建立CNN神经网络模型,采用基于信息熵改进的D-S证据组合融合两个模型形成最终的局部放电识别模型。二是研究了网络入侵检测方法。将入侵检测技术应用于配电站房,提出了一种基于DBN-RFE的入侵检测方法。本文对比分析了几种入侵检测数据集,最终选取了入侵检测数据集NSL-KDD数据集,对数据集进行预处理,采用One-Hot编码,将其中的字符型数据转化为数值型数据,使用DBN-RFE神经网络模型,对特征数据赋予一定的权重,进行DBN神经网络训练,判断损失函数是否达到最低,尚未达到最低,则根据RFE算法,对权重最低的特征进行剔除,更新权重和数据,继续迭代训练DBN神经网络,直到特征降低到最小,损失函数最低时,整个DBN神经网络训练完成,得到最终的入侵检测模型。三是研究了配电站房的状态评估方法,采用了基于模糊数学的模糊综合评价法,建立了配电站房状态评估模型。根据评估结果,绘制配电站房状态雷达图,从配电站房状态雷达图中可以清晰的得出配电站房的状态。综上所述,本文研究的计及网络安全的配电站房状态评估,纳入了设备的绝缘性能指标的配电站房的网络活动指标,建立了更加全面的配电站房评价指标体系。