绝缘内部的局部放电是导致电气设备绝缘劣化的重要因素,放电模式与电气设备绝缘内部缺陷类型具有紧密的联系。局部放电在线监测与模式识别技术是及时发现电气设备绝缘系统放电性故障并诊断出绝缘内部缺陷的重要手段,对于防止高压电气设备事故发生,提高高压电气设备运行的安全性和可靠性具有重要的意义。电气设备局部放电在线监测的瓶颈问题是局部放电信号的有效提取和六电类型的正确识别。专家、学者已经提出许多方法用于局部放电信号消噪和模式识别,但尚没有能够用于实际工程之中的有效方法。本文介绍已有的局部放电信号消噪和模式识别方法和消噪效果较好的小波变换消噪方法的理论基础——小波分析,对几种经典的小波去噪处理方法进行了分析、比较,通过实验和数据讨论了它们各自的适用范围,将具有通用性和灵活性而且高效的提升小波变换理论引入到局部放电信号消噪和模式识别之中,分析提升小波变换的特点和用提升方法构造传统小波的步骤和方法,研究基于提升方案的适应性交叉提升小波变换理论,将提升方法用于信号去噪和奇异点检测中,并用仿真试验说明该方法具有一定的实用性。本文提出一种新的小波消噪方法——适应性交叉提升小波方法,先从偶数系数中预测奇数系数,作为每一提升构造的标准;然后,从奇数系数中预测偶数系数,把输入序列移一位然后把它反馈到同样的提升后的变换来实现,并进行仿真实验和现场数据处理,结果表明,该方法比提升小波的消噪效果更理想,具有一定实用前景。另外,本文对局放单个时域脉冲信号做提升小波分解,以其能量前三位和熵值前三位加上能量和熵值共8个特征量作为神经网络的输入特征量,研究了BP神经网络对3种局放信号的模式识别结果。通过对实测信号的识别,证明了采用此特征量的神经网络识别方法简单有效实用,可为局放信号的识别提供了有效的参考。