随着电网规模的不断扩大、输送容量和电压等级的不断提高，电力系统过电压对输电线路和电气设备绝缘造成的危害越来越严重，尤其对超、特高压电网的发展影响越来越大，因此，研究电力系统过电压是保障电网安全可靠运行的重要课题。电力系统过电压种类较多，产生原因不尽相同，实时监测电力系统出现的各种过电压信号，快速准确的判别故障类型，建立起一套完善的电力系统过电压智能在线监测系统，对电力系统故障处理和灾害预防是十分必要的，但目前现有电力系统过电压在线监测装置，尚不具备过电压类型智能分析识别能力。因此，研究电力系统过电压信号特征提取和模式识别的方法，对快速提出抑制过电压的方法、改进系统绝缘配合水平和推进电网智能化发展具有重要的现实意义。本文根据过电压的传统分类，首先分析了各种过电压的产生机理，采用ATP-EMTP电磁暂态软件对绕击和反击过电压进行了仿真，分析并总结了工程实际中常见过电压的波形特征；考虑到不同过电压之间存在的从属关系和其波形特点，建立了过电压分层识别的结构。与传统的识别方法不同，本文采用自上而下的分层识别思想，在每一层建立分类器，可以有针对性的进行特征提取、特征分析和类型识别，从而提升识别系统的实时性；同时，不同分类器之间又是相互独立的模块，便于程序修改、调试和功能扩展。根据过电压的波形特征，本文采用时域分析、频域分析、小波分析以及奇异值分解（SVD）等多种方法对过电压进行特征提取。文中介绍了傅里叶变换（FT）和小波变换（WT），结合不同过电压的波形特征，提取出了过电压的频域特征和小波时频特征。针对操作和雷电过电压波形存在一定的分散性，本文结合小波多尺度分解和奇异值分解理论（SVD），采用奇异值分解理论来降低分散性对特征量所造成的影响，提出了一种多尺度时频矩阵奇异值分解的过电压特征提取方法。在此基础上，本文有针对性的对特征量进行了分层选择，考虑到不同特征量之间可能存在一定的相关性，采用主成分分析（PCA）对各个分类器的特征量进行分析，从而降低特征维数，消除相关性对识别效果造成的影响。本文最后介绍了最小二乘支持向量机（LS-SVM）和网格搜索优化算法（GS），建立了基于网格搜索优化最小二乘SVM的过电压分层识别系统，并设计了该系统的人机交互界面。最小二乘SVM是建立在结构风险最小化的基础之上，较适合解决小样本分类问题；通过引入核函数，将非线性问题转化为线性问题，并采用最小二乘法求解该线性问题，收敛速度快，不存在局部最优解问题。针对最小二乘SVM的参数选择缺乏指导的问题，本文提出了采用网格算法来优化最小二乘SVM参数，并与遗传算法（GA）和粒子群算法（PSO）进行了优化对比。实测数据表明，本文提出的特征提取、特征分析和识别方法，能有效地对电力系统过电压进行识别，识别准确率较高。在此基础上，本文采用MATLAB的图形用户界面，设计了过电压类型分层识别GUI系统，并与过电压监测系统软件融合，便于工程人员分析和查找故障原因，具有较好的工程应用前景。