该文研究了电力电容器局部放电声信号特点,以及采用声信号进行油中局部放电模式识别的问题.为了检测电力电容器局部放电声信号,研制了声发射检测装置.该装置最高采样率可以达到10MHz,采样长度最多可以达到512k.通过软件可以设置多种采样参数,包括通道选择、滤波器通带频率选择、A/D采样卡放大倍数、触发方式、触发电平、采样率和采样长度等参数的设置.开发了处理采样数据的软件,包括波形显示、频谱分析、频域滤波、时域多通带滤波和数据保存等功能.通过现场实验采集了电力电容器局部放电声信号,根据波形特点进行了分类,并使用上述软件进行了频谱分析和滤波降噪处理.研究了采样信号中的噪声干扰以及使用小波变换滤除宽带干扰的方法.结果表明,小波变换具有一定的降噪效果.设计了4种油中局部放电模型,采集了各个模型的局部放电声信号,提取了7种时、频域特征和400个时域压缩波形序列.并采用人工神经网络进行了局部放电模式识别的研究.研究结果表明,采用时、频域特征和时域压缩波形序列作为特征量进行模式识别,可以收到较好的效果.最后该文分析了影响局部放电模式识别效果的主要因素.