中低压配电网通常指35kV及以下电压等级的电力网络,其分布范围广,结构复杂,与用户紧密联系。据统计,电力系统中大约70%的过电压发生于配电网。各类短路故障的发生经常是由过电压导致的绝缘损坏引起的,这对系统的正常运行造成严重影响。因此研究如何提取内部过电压信号特征量并进行识别分类,对保证电网的安全运行具有实际应用价值。本文详细总结了国内外关于内部过电压特征提取和模式识别的研究现状,重点分析了配电网内部过电压的特征,并利用ATP/EMTP搭建配电系统仿真模型,通过仿真得到7种内部过电压的波形数据。深入研究了信号时频分析方法中的小波分析方法,主要包括小波变换和双树复小波变换的基本原理,并重点研究了双树复小波变换的抑制频带混叠特性,通过对比两种方法对仿真信号分解结果的频谱图,证明了双树复小波变换在信号主频率特征提取时的抑制频带混叠特性。针对双树复小波变换后特征量数据过大的问题,引入奇异值分解法,对三相电压信号分别做奇异值分解。通过对各类过电压的奇异值特征量的比较证明,利用双树复小波变换与奇异值分解提取的内部过电压特征量可用于配电网内部过电压识别。提取过电压特征量后,由分类器对特征量进行学习并对过电压分类,分类器的性能直接决定了最后分类结果的好坏。本文重点研究了神经网络中的BP神经网络和深度信念网络的网络结构和训练原理,并介绍了在本文中如何设置两种神经网络的参数。论文在软件仿真模型数据中分别加入信噪比为-10dB和-5dB的白噪声,形成两组内部过电压数据样本,通过实验对双树复小波变换和小波变换的内部过电压信号处理能力、以及BP神经网络和深度信念网络的识别能力进行交叉验证。结果证明,双树复小波变换在内部过电压信号处理能力上优于小波变换,深度信念网络的稳定性、识别效果优于BP神经网络。最后利用设计的录波采集装置采集配电网物理仿真系统的单相接地故障,对本文所提方法进行进一步验证。发现在深度信念网络下识别率达到95.71%,证明了基于双树复小波变换的识别研究方法在物理仿真系统上的可行性。