由于各种原因而导致的电力电缆呈现绝缘劣化时,电力电缆就会发生局部放电(Partial Discharge)现象。电缆中的早期绝缘故障可通过局部放电现象来表现,局部放电现象的发生又会进一步促进电缆绝缘劣化。电缆的绝缘状况可以通过其局部放电来表征。通过检测电缆产生的局部放电信号并识别所产生的局部放电类型,就能够知道电缆的绝缘状况,进而及时采取检修或者更换,避免造成更大的损失。振荡波检测法是近年来国内外新兴的并且有效的电缆局部放电诊断技术,已经广泛应用于各电力部门。当前,针对振荡波检测方法的应用和研究主要在电缆缺陷检测和定位两个方面,而对振荡波检测下的绝缘缺陷类型的识别相对缺乏。因此,本文在总结现有的振荡波检测技术、局部放电识别的基础上,以理论和实验相结合,开展了对振荡波检测下的电缆局部放电缺陷识别方法的研究,为准确判断电缆绝缘状况和缺陷类型,预防电缆线路事故的发生,保护电力系统安全运行具有重要的应用价值。本文首先介绍了电缆局部放电的产生和振荡波检测系统,然后人工制作了四种交联聚乙烯电缆接头典型缺陷:应力锥搭接过长、高电位金属尖端、外半导电层气隙、外半导电层尖端;在振荡波检测方法下采集各种缺陷的局部放电信号数据,并对信号的时域和频域进行分析,将检测的数据映射到等效时频图上,利用模糊聚类方法成功将噪声和局部放电信号进行分离,获得干净的待分析的局部放电数据。针对局部放电一维时域信号,本文提出采用基于小波包分解的局部放电能量谱特征并采用BP神经网络进行识别,识别结果良好,说明基于小波包分解的局部放电能量谱特征能有效表达放电信号特性;然后对当前前沿的深度学习方法,本文引进其中的深度信念网对局部放电信号进行识别,识别效果不错,且深度信念网能免去人工提取特征的步骤,减少了人工因素。对于局部放电的随机性现象,本文由PRPSA模式转化成PRPD模式的原理,设计了放电信号的三维图谱H_n(q,φ)模式;本文对三维谱图放电次数为特征量和三维谱图统计算子特征量分别设计了采用BP神经网络进行识别实验,结果表明三维谱图统计算子特征量比三维谱图放电次数为特征量要好,能很好的反映电缆局部放电信息。