随着电力电缆在电网中的应用越来越广泛,电缆绝缘状况成为研究人员研究的热点,局部放电是绝缘状况劣化的一个重要的外部表现形式,同时,局部放电会导致绝缘状况进一步劣化。为了及时发现电缆的绝缘缺陷,保障电网正常运行,有必要对电缆局部放电进行在线监测。国内外学者对电缆局部放电在线监测做了相关的探索研究,本文在此基础上,对其中的几个关键环节进行了研究探索。本文首先阐述了电缆局部放电机理,接着说明了几种常用的检测方法,分析检测现场存在的干扰源和常见干扰的性质,依据局部放电的特点,选取4种放电数学模型,为信号仿真提供依据。并进一步分析电缆绝缘缺陷的形成原因,并对4种典型绝缘缺陷进行模拟实验,获取大量的4种绝缘缺陷下的放电信号,为电缆局部放电模式识别提供样本。电缆局部放电在线监测技术的第一个关键环节就是检测信号的预处理,也就是对检测放电信号中混入的噪声进行抑制,本文重点对背景噪声和周期性窄带干扰噪声的消除进行了研究,根据电缆局部放电信号和噪声干扰信号的特点,选取小波包分析法对白噪声进行抑制,小波包阈值法是去噪的常用手段,基小波的选取和阈值处理是小波包去噪的关键,本文从阈值函数入手,通过对传统阈值函数处理方法的分析,提出了一种改进阈值函数的小波包去噪算法,仿真和实际应用表明,改进算法去噪效果优于传统算法。考虑到周期性窄带干扰频率固定,适合在频域对其进行分析,本文采用FFT技术对窄带干扰进行抑制,仿真结果表明,FFT技术在去除周期性窄带干扰方面具有优越性。电缆局部放电在线检测的第二个关键环节就是对局部放电的识别,检测到的电缆局部放电信号可能是由4种不同绝缘缺陷造成的,正确识别放电类型对于迅速做出判断,采取相应措施至关重要。模式识别的输入对象往往不是放电信号本身,而需要我们从局部放电信号中提取特征向量,作为模式识别的输入,所以说特征量能否表征不同局部放电信号的特征非常重要。本文根据电缆局部放电信号的特点,对放电信号分别进行经验模态分解和小波包分解,然后分别计算固有模态函数的能量系数和小波包分解系数的频带能量作为放电信号的特征向量,分别采用BP神经网络算法和模糊C-均值聚类算法进行识别。结果表明:固有模态分量能量更能表征放电信号特征;对同一特征向量,BP神经网络算法识别率整体高于模糊C-均值聚类算法。