随着电网规模的不断扩大,电缆作为电能传输的重要载体,使用量逐渐增加。电缆通常埋设于地下,运行环境较为恶劣,投入运行后期容易因局部绝缘劣化导致早期故障,早期故障反复发生后会演变发展为永久性故障。早期故障发生于故障初期,持续时间短,不易检测,但是电网监测系统中实时记录的电压电流数据可以反映电缆运行状态。根据电压电流变化与电缆状态的对应关系,建立精确的数学模型实现电缆早期故障的辨识,有利于工作人员在电缆发生永久性故障前及时维修或更换电缆,保障电力系统稳定可靠运行。首先,本文分析了电缆早期故障产生的原因和机理,根据电弧故障和早期故障具有相同的故障电阻非线性时变特性,利用电弧模块模拟早期故障,介绍了电弧数学模型和常用电弧模型的基本原理,通过原理分析和优缺点比较选取Schavemaker电弧模型来模拟早期故障。在PSCAD/EMTDC中搭建IEEE13节点电缆和架空线混合的10k V配电网仿真模型,分析两种接地方式下电缆早期故障的特征,研究了电弧参数对电弧电压、电弧电流和电弧电阻的影响。其次,利用S变换对早期故障的故障相电流进行时频分析,通过与短时傅里叶变换和连续小波变换的时频聚集度和耗时对比分析,验证得到S变换用于时频分析更具优势。针对单一域特征可能存在特征缺失的问题,提取故障和扰动的时域、频域和时频域特征共23种,针对组合特征可能存在特征冗余等问题,通过KMO和Bartlett的检验确定23种特征存在相关性,利用主成分分析对提取到的特征进行数据降维,得到7种有效特征成分。最后,提出基于增量卷积神经网络的电缆早期故障辨识方法实现电缆的状态监测。通过S变换对故障相电流进行时频分析,提取时域、频域和时频域特征,利用主成分分析对多域特征进行数据降维,归一化后作为增量卷积神经网络模型的输入特征向量。实验结果表明,所提方法不仅能有效实现故障和扰动的辨识,比其他方法具有更高的准确率和鲁棒性,而且能完成模型未知故障的辨识,与其他方法相比,辨识效率更高,模型泛化能力更好。该论文有图99幅,表27个,参考文献88篇。