油浸式电力变压器是电力系统的核心设备，其安全运行是保障持续、可靠电力供应的重要基础。由内绝缘老化引起的变压器故障是导致变压器事故的主要原因之一。国内外对油纸绝缘的老化诊断技术开展了长期的研究，形成了以油中溶解化学特征参量为代表的老化诊断方法。然而，该方法会受到变压器换油、滤油等措施的影响，难以满足工程实际的要求，有必要探索和研究满足运行监测要求的变压器油纸绝缘老化诊断新方法。局部放电(PD)信号中蕴藏了丰富的绝缘状态信息，但变压器内部通常是多个局部放电源同时存在，导致采集的放电图谱出现交叉、重叠，难以深入挖掘局部放电中包含的油纸绝缘状态信息。因此，对油纸绝缘的局部放电信号进行分析，探索多局部放电源脉冲群分离方法，并采用智能化的特征提取与诊断方法，获取反映油纸绝缘故障缺陷与老化状态的局部放电特征参量，为变压器的故障诊断与状态评估提供有力支撑，具有重要的理论和实际意义。　　论文参照变压器内绝缘的组成形式设计了四种典型的油纸绝缘局部放电缺陷模型，在实验室条件下开展了油纸绝缘试品的加速老化试验，并采集了不同老化阶段试品的局部放电数据。深入探索了油纸绝缘多局部放电源脉冲群的分离方法；研究了局部放电高分辨率灰度图像压缩算法，提取了具有强鉴别力的特征识别局部放电缺陷类型；并且，设计了灰度图像双向模糊压缩算法，提升了考虑缺陷尺寸、绝缘老化等多因素影响时的局部放电缺陷类型识别可靠性；最后，建立了单目标和多目标特征选择(FS)算法寻找反映油纸绝缘老化状态的局部放电图像特征。论文取得的创新性研究成果主要有：　　①提出了基于时频相似度的油纸绝缘多局部放电源脉冲群分离策略。将基于S变换(ST)时频分布的脉冲相似度(时频相似度)矩阵输入近邻传播聚类(APC)分离多局部放电源脉冲群。采用 PRPD统计特征与粒子群优化支持向量机(PSO-SVM)识别 ST+APC分离的子脉冲群，并验证分离的有效性。对实验室人工缺陷模型的局部放电数据进行分析，结果表明 ST+APC算法可以有效去除脉冲型干扰和分离油纸绝缘多局部放电源脉冲群。　　②提出了基于非负矩阵分解联合主成分分析(NMF-PCA)的局部放电高分辨率灰度图像压缩算法，解决了主成分分析(PCA)应用于高分辨率图像压缩时协方差矩阵难以计算的问题。与PRPD统计特征相比，NMF-PCA特征具有更高的缺陷类型识别率和更好的类内紧凑性和类间可分性。对油纸绝缘多局部放电源分离后的子脉冲群进行NMF-PCA识别，结果进一步验证了该方法的有效性。　　③提出了基于双向模糊压缩(TDFC)的灰度图像特征提取算法，提升了考虑缺陷尺寸、绝缘老化等多因素影响时的油纸绝缘局部放电识别可靠性。研究了改进的模糊二维主成分分析(MF2DPCA)和模糊二维线性鉴别分析(MF2DLDA)，设计了基于MF2DPCA和MF2DLDA的局部放电灰度图像TDFC算法，较MF2DPCA和MF2DLDA具有特征维数低的优点。并且，考虑缺陷尺寸、绝缘老化等多因素影响时，TDFC特征较NMF-PCA特征和PRPD特征均具有更好的识别效果。当存在老化因素影响时，对油纸绝缘多局部放电源脉冲群的分离和TDFC识别结果显示，TDFC结合ST+APC能够有效识别油纸绝缘多局部放电源。　　④提出了基于非负矩阵分解(NMF)的局部放电灰度图像特征提取策略，得到了充分反映局部放电信息的80维图像特征。以老化诊断正确率为单一优化目标，建立了基于遗传算法(GA)和离散粒子群优化算法(BPSO)的单目标特征选择算法，获取了反映油纸绝缘老化状态的局部放电优选图像特征，并将特征维数从80降低至30左右。优选图像特征对绝缘内部放电、沿面放电、电晕放电的老化诊断正确率均达到85％以上，并较 PRPD因子向量和图像特征因子向量具有更高的老化诊断正确率，然而其不适合进行因子分析。对油纸绝缘多局部放电源子脉冲群的老化诊断结果与试品的真实老化状态吻合，表明多个放电源同时存在时优选图像特征能够用于油纸绝缘的老化诊断。　　⑤基于带精英策略的快速非支配排序遗传算法(NSGA-II)，以特征维数和老化诊断正确率为多优化目标，提出了局部放电多目标特征选择算法。NSGA-II对绝缘内部放电、沿面放电、电晕放电老化样本的诊断正确率均达到83%以上，并且仅以降低单目标特征选择的老化诊断正确率小于5%的微小代价，将特征维数进一步降低为单目标优选图像特征的1/2以下，具有简化诊断模型的优点。