电力系统内部过电压可能会造成系统供电中断、电气设备绝缘损坏等事故。在内部过电压发生时,能及时准确地识别内部过电压类型,对于故障妥善处理具有极其重要的意义。本文分析了空载线路合闸过电压、空载变压器分闸过电压、铁磁谐振过电压、不对称接地过电压的产生机理、影响因素及限制措施,并用电磁暂态仿真软件ATP-EMTP搭建了仿真模型,得到了四种内部过电压的仿真波形,最后,对其波形特点进行了分析。针对不同电压等级之间内部过电压值差异过大的问题,本文对内部过电压数据进行了归一化处理,使得不同电压等级的内部过电压可以进行比较。由于不同内部过电压持续时间不同,要统一进行特征量提取、分类识别,必须选取统一的计算区间,本文综合考虑了四种内部过电压的波形特点及持续时间,将过电压信号的计算区间选定为过电压发生前10ms到过电压发生后70ms的共计80ms的时间段。然后根据空载变压器分闸过电压发生后在不到一个周期内三相电压变为零的特点,提取过电压发生后第二个周期的三相电压有效值最大值作为特征量,根据不对称接地过电压发生后接地相电压为零,非接地相电压升高的特点,选取过电压发生后一个周期的三相电压有效值最小值作为特征量,共计2个时域特征量。接着,对过电压数据进行了傅里叶变换,根据其主要谐波的谐波次数及主要谐波能量占基波能量比值不同的特点,选取了幅值最大谐波次数、最大谐波能量占基波能量比2个频域特征量。最后对过电压数据进行了小波变换,计算了小波能量熵,根据其特点,选取了小波相对能能量及小波能量熵13个特征量。本文采用支持向量机、BP神经网络、k近邻分类器对电力系统内部过电压类型进行识别。由于支持向量机的正则化参数C和核函数参数γ对识别准确率有很大影响,针对这两个参数的选择问题,采用网格搜索法、遗传算法分别进行寻优。同时,由于BP神经网络局部搜索能力强、全局搜索能力差、易陷入局部极值,故采用全局搜索能力强的粒子群算法对其进行优化。最后,由于k近邻分类器的k值选取会影响到分类结果及识别准确率,故采用特定方法选取最优k值。用优化后的识别模型进行内部过电压类型识别,识别结果表明,针对支持向量机两参数寻优问题,遗传算法寻优效果好,对内部过电压识别准确率高,但耗时长,而网格搜索法速度快,对内部过电压准确率较高;粒子群算法提高了BP神经网络对内部过电压的识别准确率,减少了训练时间;合适的k值能使k近邻分类器对内部过电压识别准确率最高且识别时间最短。