随着国家电力建设的迅速发展,电力电缆作为电网中重要的组成部分,其运行安全可靠性也愈发得到重视。据调查:80%左右的电缆故障是因绝缘缺陷引起的。电缆长期运行过程中绝缘受到电、热等作用后易发生局部放电现象,而局部放电会进一步导致绝缘劣化。与此同时,局部放电信号能够反映电缆的绝缘状况,且不同绝缘缺陷的局部放电特性存在一定的差异。因此,获取电力电缆局部放电特性,及时评估电缆绝缘缺陷类型及放电强度,对电力系统的稳定运行具有重要意义。本文围绕电缆局部放电特性和模式识别展开研究,主要内容如下:对电缆局部放电传输特性进行了研究。采用仿真计算和试验验证相结合的手段分析了两型号电缆局放信号的传输特性,并通过试验结果对某型号电缆衰减系数的仿真结果进行了修正,修正后的结果可用于工程计算。随后将脉冲信号注入电缆模拟端部放电,通过时域脉冲反射法对局放源位置进行了定位。对电缆接头典型缺陷模型的电场进行了仿真分析。根据电缆接头绝缘缺陷的常见放电类型设计了四种典型放电模型,并利用ANSYS软件对典型放电模型的静电场进行了仿真计算。然后对无缺陷的10k V电缆接头模型和分别施加了四种典型缺陷的电缆接头模型的电场进行了仿真计算。根据放电模型及接头缺陷模型的电场分布情况验证了电缆接头不同缺陷模型放电时所属放电类型。对放电模型的谱图和脉冲的特征展开了提取。对放电模型的放电量进行了校准,搭建了局部放电测试平台,获取了放电模型的放电脉冲和放电谱图,对比研究了不同放电类型的局部放电特征。提取了放电谱图的统计特征、灰度图像的矩特征、灰度图像的纹理特征和放电脉冲的时频特征。为对电缆接头缺陷模型的放电类型及放电强度进行识别并提高识别率。分别采用主成分分析法和核主成分分析法对组合特征进行了降维。对比了BP神经网络算法和基于网格搜索参数优化的SVM算法对放电模型各特征组合的识别成功率,得到两种识别算法对放电模型组合特征和降维后的组合特征识别成功率较高。制作了五种电缆接头缺陷模型,搭建了局放试验平台并获取了接头缺陷的放电谱图。提取了放电谱图39维特征序列,对比了BP神经网络、基于网格搜索参数优化的SVM和基于遗传算法参数优化的SVM三种算法对电缆接头缺陷放电类型和放电强度的识别精度。结果表明:基于遗传算法参数优化的SVM诊断模型对电缆中间接头缺陷放电类型及放电强度具有较高的识别精度,能够较好地完成分类任务,具有较高的工程实用价值。