电气设备是电力系统中重要的一环,无论是承载输变电任务的变压器和电力电缆等,还是作为高速列车能源传输纽带的车载高压电缆,由于其在生产、运行过程中无法完全避免绝缘缺陷,导致带电运行时发生局部放电现象。局部放电作为设备绝缘故障的重要起因和早期表现形式,常用于反映设备内绝缘状态。局部放电检测方式多种多样,相比于脉冲电流法、超高频检测法等传统的局放检测法,超声波检测法具有不影响设备运行方式、抗电磁干扰能力强等优点。虽然局部放电超声波信号的衰减特性使信号幅值与放电量对应存在困难,但其具有丰富的放电类型特征信息,可应用于局部放电类型识别。因此,本文开展了典型缺陷模型局部放电超声波信号特征的分析,以及特征量提取和模式识别方法的研究。本文对局部放电超声波信号的产生机理、介质中衰减方式进行了分析。总结电气设备在运行过程中出现的典型缺陷,如电极结构的毛刺、绝缘介质分层、绝缘层含气隙或划伤、绝缘表面附着导电微粒等,可将上述四种典型缺陷等效为尖端放电、沿面放电、气隙放电和悬浮放电。在实验室条件下设计并制作了四种典型局部放电模型,搭建了无电晕试验平台和超声波信号采集系统。利用小波阈值去噪法对采集到的超声波信号进行去噪处理,并探究了小波变换中母小波函数、分解层数选择,以及阈值参数中阈值选取规则、阈值重调方式、阈值函数对去噪效果的影响,将最优小波阈值参数应用于局部放电超声波信号去噪处理,能较好去除信号中的噪声。对不同类型局部放电超声波信号进行时频域分析,结果表明:四种类型局部放电超声波信号时域波形形状存在较大差异,不同类型局部放电超声波信号能量分布在不同频段。利用声发射特征的上升时间、持续时间、能量以及振幅等构成2/3D关联图谱,不同类型局部放电超声波信号在特征关联图谱中以不同簇的形式分布。基于不同类型局部放电超声波信号时域波形差异,提取了上升时间、持续时间、事件峰值因数、事件波形因数等18个初选波形特征参量,利用主成分分析法对初选特征参量进行去冗余处理,最终得到互相独立的4个新主成分指标。对同一超声波信号样本还提取了多尺度(10个尺度)模糊熵参量。将波形特征参量主成分指标和10个尺度下的模糊熵值分别作为分类识别输入特征向量。设计并优化了适用于少样本训练的支持向量机(SVM)算法,分别利用两种输入特征向量进行了分类识别训练和测试,训练和测试分别为100个样本,结果表明采用多尺度模糊熵特征向量识别率略高,达到92%。综上所述,通过提取典型缺陷局部放电超声波信号的波形特征参量和多尺度模糊熵参量,结合优化的支持向量机分类算法,可以有效地识别局部放电类型。