变压器是电力传输的重要手段,变压器停运会导致电力系统大面积停电。电力设备的状态监测能为连续运行服务、及早发现问题和可能的补救措施提供了机会,从而增加了电力变压器的预期寿命。局部放电存在着不同类型,针对不同的放电类型对应着采取不同的设备维护措施。通过相位分辨局部放电（Phase Resolved Partial Discharge,PRPD）图谱判断不同的放电类型,但存在多种混合局部放电信号时,PRPD图谱会发生重叠,导致无法准确识别局部放电的类型。如何分离多种混合局部放电信号对后续数据处理具有重要意义。本文深入研究了电力设备中多种混合局部放电在线分离技术,利用聚类算法对多种混合局部放电信号进行分离。根据实际应用的要求,为了对多种混合局部放电信号进行分离,同时要满足聚类过程中尽可能减少人为干预,微簇的数量不能提前确定,聚类的效率高及算法的可移植性强等需求。本文提出一种自适应参数模糊C均值的多种混合局部放电聚类分析方法。该方法采取局部密度估计的方法对聚类中心进行初始化,利用聚类有效性指标进行评估从而选取最优的聚类类别数,然后利用模糊C均值对多种混合局部放电信号进行分离。本文利用特高频传感器对局部放电脉冲进行采集时发现多种混合局部放电信号实时不断变化,不能够根据实时的数据特征进行自适应调整聚类参数。为了保持局部放电脉冲信号完整的工频周期,采取了数据流聚类算法进行分离。本文提出一种自适应参数的在线数据流聚类方法,该方法采用自然邻域的概念创建（K-dimension,KD）树来提高查询近邻的效率,对流数据的特征自适应得到邻域半径和区域密度,从而进行局部搜索并形成团簇,实现多种混合局部放电信号的在线分离。最后,通过真实数据集测试了本文提出的聚类算法的准确性和稳定性。实验表明:在多种混合局部放电信号数据集中,本文提出的聚类算法在性能指标平均纯度为98.75%,准确度为97.23%,F-Measure值为98.14%。说明本文提出的聚类算法够准确将多种混合局部放电信号进行分离,对多种混合局部放电分离具有重要的参考价值。