随着电缆在城市电网中的广泛应用，其绝缘状态越来越被人们所重视，而电缆的局部放电(partial discharge，PD)与电缆绝缘状况密切相关，是判断电缆绝缘品质的最直观、理想、有效的方法。PD检测分为离线检测和在线检测，离线检测需要打开连接，停止供电，故在目前对用电可靠性要求越来越高的情况下，在线检测成为目前研究的热点。本文在了解了10kV电缆PD在线检测国内外研究现状的基础上，开展了相关技术研究。现阶段电缆PD在线检测的重点和技术难点主要集中在两个方面：一是所检测到信号的的干扰噪声抑制问题，二是信号所属缺陷类别的识别问题。本研究根据需要购置了Longshot带电PD检测系统。利用检测系统对上百条运行中的10kV电缆线路进行了在线PD检测，并总结典型PD及噪声特征。针对PD在线检测中常见的两种噪声干扰（白噪声及周期性窄带干扰），提出使用小波包分解抑制白噪声方法，仿真及实测去噪结果显示该法对白噪声有较好的抑制能力；并对现有抑制周期性窄带干扰的能量比法提出改进，在仿真分析PD信号与窄带干扰在快速傅里叶变换(fast Fourier transform，FFT)功率谱中特点的基础上引入了局部峰点的概念，并定义了局部能量比，提出使用局部能量比预处理的FFT功率谱去噪方法。仿真及实测信号的去噪效果表明，该方法对于窄带干扰具有较强的抑制能力。将该方法用于小波包功率谱的去噪，并与传统的小波包去噪效果比较，结果表明，FFT在抑制窄带干扰方面具有一定的优势。PD在线检测获得的信号可能源于电缆本体、电缆终端头，也可能来自于与之连接的开关柜中的电晕放电或表面放电等等。不同来源的PD信号，对设备的危害不同，其判断标准也有所不同，本文利用小波包分解技术对样本波形进行特征提取与识别。提出使用能量谱和1.5阶标准熵组合特征向量对PD信号进行识别，识别率为97%。在此基础上，针对特征向量选取难的特点，提出一种基于自适应小波神经网络的识别方法，提出使用粒子群（Particle swarm optimization，PSO）算法先进行一次优化，后使用BP算法进行二次优化的训练方法；讨论了不同网络结构及小波函数对网络性能的影响。研究结果表明PSO-BP组合优化的自适应小波神经网络的训练效果明显优于单独使用BP算法，能够准确、可靠的对PD信号进行识别。本文最后以某10kV电缆作为工程应用实例，对该线路进行PD在线检测，并对检测结果进行分析提出相应处理建议。