电力变压器作为电力系统中的主要设备之一,其安全稳定运行对电力系统至关重要。若变压器结缘结构存在局部缺陷,当外施电压达到一定程度时会导致局部放电,而局部放电会使绝缘进一步劣化进而形成恶性循环。局部放电信号能灵敏反映变压器绝缘受损程度,同时不同绝缘缺陷类型导致的放电信号特性存在差异,所以有效检测和分析局部放电信号对于保障变压器安全运行以及针对性检修维护意义重大。抑制现场强烈的噪声干扰,并高效提取检测信号特征进行放电类型识别是分析局部放电信号的关键环节。本文在分析变压器局部放电特性基础上研究了局部放电信号的去噪以及特征提取方法,主要工作内容如下:为有效去除变压器局部放电信号中大量的电磁干扰,针对现有经验模态分解存在模态混叠等问题,提出将一种新的信号分解算法——变分模态分解结合小波运用在变压器局部放电信号中来抑制窄带周期干扰和白噪声。首先利用变分模态分解将含噪信号分解成若干个以某中心频率波动的模态,在分解过程中自动滤去白噪声;然后提取含局部放电信息的模态进行重构;最后通过小波去除残余窄带周期干扰,进而实现干扰抑制。仿真和实测信号分析结果表明,该方法能很好地抑制两类干扰,保留局部放电信号特征,验证了采用变分模态分解结合小波去除噪声的有效性,为局部放电信号去噪提供了一种新的方法。针对变压器局部放电模式识别中传统统计谱图特征提取维数高、识别率差等问题,提出基于灰度共生矩阵和局部二值模式的局部放电灰度图像纹理特征提取方法。该方法从宏观角度将灰度图像转化为灰度共生矩阵并获取其8维特征,从微观角度计算邻域像素相对灰度响应并获取其10维特征量。搭建四种局部放电实验模型,通过脉冲电流法采集局部放电信号;结合两类特征,以支持向量机作为分类器来识别放电类型并用传统特征提取方法作为对比。结果表明利用该方法提取灰度图像特征在避免特征灾难的同时仍有较高识别率,能有效识别四种放电模型,验证了该方法的有效性。