电气设备的良好运行状态是电网安全稳定运行的前提,目前大部分电气设备的故障与绝缘缺陷有关,关注电气设备的绝缘缺陷状态对于电力巡检人员十分必要。局部放电信号作为绝缘性能的表征反映设备内绝缘缺陷,不同特征的局部放电信息正是不同绝缘缺陷类型的表示,因此对局部放电数据分析就是对电气设备绝缘性能的评估。通过判断局部放电信号相应信息,电力人员可以进一步确定设备检修时间,避免盲目检修。而局部放电波形的去噪与类型识别是实现电气设备绝缘性能判断的途径,也是局部放电数据处理的关键。本文首先分析本地局部放电信号与电缆本体内发生的局部放电信号产生原因、类型及其相关特征,在此基础上,对局部放电信号模式识别进行了研究。其具体细分为局部放电信号的去噪、特征量提取和最终的模式识别。针对局部放电信号不可避免的噪声问题,本文依托小波变换和多分辨率分析的理论,在分析了传统硬阈值和软阈值去噪方法的基础上,研究了一种基于改进阈值函数的小波去噪法。通过仿真验证,该去噪方法可有效解决局部放电信号中的白噪声干扰问题,且去噪后的信号信噪比较高。接着针对下一步的局部放电信号特征量提取问题,研究了一种多分辨率分析法和小波包能量法相结合的组合特征量提取方法,并对其实现的具体步骤进行了介绍,通过此方法便可得到能够很好表征各信号局部化特征的特征量,从而为接下来的智能算法模式识别打下良好基础。最后针对局部放电信号的模式识别,从人工神经网络的基础理论入手,选择了BP神经网络建立局部放电信号模式识别器,并对其相关的参数设计进行了分析,最终通过将上述组合方法所提取的特征量作为识别器输入样本进行识别仿真验证,结果表明组合特征量和BP神经网络识别器相结合可以有效的实现识别局部放电信号,并且识别效果良好。基于上述理论和仿真,建立了局部放电数据处理系统以实现局部放电信号的自动分类、各类局部放电信号占有率以及单个放电脉冲波形的具体显示等功能。