随着电力行业的稳步发展,直流电缆运行的电压等级也随之上升。然而由于直流电缆在制作、运输、安装、运行过程中容易发生碰撞等,从而在电缆中形成缺陷,任何微小缺陷经过在较高的直流运行电压下的发展,会损害直流电缆的绝缘情况,甚至造成停电事故,因此微小缺陷对于直流电缆系统的安全稳定运行是非常大的威胁。局部放电可以很大程度反映出电缆设备的绝缘状态,因此研究局放信号的特征提取和缺陷识别的方法具有十分重要的意义。通常针对交流XLPE电缆采用局部放电检测,以判断其是否存在故障,确认其运行状态。对于直流电缆,目前在局放信号特征提取和缺陷识别方面的研究处于起步阶段。本文围绕直流电缆局放信号图的特征提取和缺陷识别技术进行研究,搭建了直流电缆局部放电试验平台,设计了多种常见的绝缘缺陷模型,经试验采集了相应的局放信号图。在局放信号图增强、特征提取、特征空间降维、缺陷类型识别等方面做了较为深入的研究和实践,取得了一定的成果。局放信号图普遍存在的对比度差、边缘清晰度低、特征信息不够丰富等问题。论文提出基于CS-MSR和BPDFHE算法的直流电缆局放信号图增强方法。首先NSST分解后形成低频子带图和高频子带图,分别采用不同的增强方式,使用CS-MSR方法处理前者,使用BPDFHE方法处理后者,经过加权重构形成特征更显著的局放信号图。综合两种方法进行信号图增强比仅应用一种算法,在清晰度、边缘强度、灰度均值、对比度等均有更好的效果。小波域缺乏方向性、仅对于不连续的点有稀疏的表示、对于局放信号图中存在的线和面奇异无法有效捕捉等问题。论文提出了基于NSCT域的特征参数提取方法,首先将局放信号图进行NSCT处理后得到子图,对子图提取大量特征参数,如最大放电次数,平均放电时间间隔,平均放电量等参数。本方法能够有效的对缺陷进行特征提取,比统计特征、熵特征、二维小波特征提取法,平均识别准确率有提高,识别准确率方差也有明显的降低。传统聚类降维方法无法有效降低样本规模、消除样本间的冗余,计算效率比较低的问题。论文提出了基于改进IA-AP算法的特征空间降维方法,将基于NSCT域的直流电缆局放信号图的特征集合进行降维处理,并带入MSVM中,与其他聚类降维算法进行对比分析。本方法的平均识别准确率高于其他方法。另外,在同一聚类降维算法和同一特征参数个数的条件下,平均识别准确率随训练样本个数占总样本个数的百分比的提高而提高,也表明特征子集区分性能良好。为了解决传统识别方法的识别准确率低和难以自适应对缺陷识别模型的参数进行寻优的不足。论文提出了基于改进ECOC分类器的缺陷类型识别法,将提取的局放信号图特征参数,通过改进CS-SR-ECOC进行模式识别,从而判别直流电缆绝缘缺陷。试验结果显示,本文提出的编码矩阵选择更有效,当用该方法识别结果比传统的ECOC分类器准确率更高。