矿用电缆是煤矿井下供电系统中输送和分配电能的重要设备。煤矿井下恶劣的环境可能会导致电缆故障,危及设备和工作人员安全。统计结果表明,矿用电缆在生产或运行过程中存在的绝缘缺陷是其故障的主要原因,初期这些缺陷在带电情况下发生局部放电,最终发展而导致电缆故障。研究矿用电缆局部放电模式识别,快速和准确的识别局部放电类型,为矿用电缆局部放电的在线诊断奠定基础。首先,从矿用电缆结构出发,分析矿用电缆局部放电原因,应用Ansoft Maxwell软件对含缺陷的矿用电缆和局部放电物理模型进行电场分析,得出缺陷会导致矿用电缆局部电场变化,含缺陷的矿用电缆与其对应放电模型电场变化一致的规律。其次,搭建矿用电缆局部放电检测系统,进行试验数据的PRPD谱图特征分析;针对现有矿用电缆局部放电模式识别率低的问题,设计出矿用电缆局部放电模式识别的卷积神经网络。最后,对矿用电缆局部放电模式识别的卷积神经网络进行优化研究,以矿用电缆局部放电物理模型的PRPD谱图构建二维灰度图作为模式识别的输入,分析影响矿用电缆局部放电模式识别准确率的核心因素,优化和训练出矿用电缆局部放电模式识别的卷积神经网络,并将其识别结果进行分析对比。研究结果表明,论文所提识别方法在矿用电缆局部放电模式识别时识别准确率可达93.79%,比传统其他局部放电模式识别方法识别准确率高出3%以上。论文所提识别方法具有简便、准确率高的特点,应用于煤矿供电系统中,可提高供电安全性。