随着现代工业及科学技术的迅猛发展，变配电系统的运行压力正逐渐体现出来，而在日益复杂化的庞大电力系统中，异常放电引起的电气火花是造成系统故障的关键原因。而电气火花产生的过程中伴随着高频脉冲电磁、光、热等现象，所以其破坏性很大，不但可以造成电路、电气设备和设施的损坏，也会引发火灾等对人员生命财产造成损失。据统计，我国的电气火花引起的火灾所占总火灾事故的比例逐年上升，一些重大的火灾事故都是由于电气火花导致。本文首先分析了电气火花的发生机理、分类及特征，最终确定高压放电火花、低压放电火花及辉光放电火花为本文的研究对象。其次，搭建了三种类型放电火花的试验系统，并通过试验采集了这三种类型的火花波形，进一步确定提取5个频率上对应的幅值作为放电火花电磁波的特征参数，并用作后期的识别。考虑到采集的火花波形信号存在噪声信号的干扰影响，运用小波分析对其进行去噪、重构，滤除噪声干扰，并进行频谱分析，最终获取较为精确的特征参数信息。最后，比较分析了BP神经网络及支持向量机SVM这两种识别方法的原理、分类规则；建立了火花识别模型，通过训练学习，验证了对电气火花电磁波的识别工作。实验结果表明，在对25组待测火花波形进行的识别实验中，BP神经网络识别正确21组，错误4组，准确率84%，而SVM识别正确23组，错误2组，准确率为92%。并且SVM模型识别的时间明显小于BP神经网络，所以，本文最终确定SVM为电气放电火花电磁波特征识别的工具。