大型电力变压器在电力系统中的安全运行，其绝缘状态至关重要。局部放电是变压器内绝缘劣化的重要原因，也是反映变压器绝缘状况的重要征兆。变压器局部放电在线监测及模式识别是检测变压器内绝缘缺陷及评价绝缘状况的重要方法，其难点在于如何消除现场的各种干扰，并提取被测局部放电信号特征及进行放电模式识别。本文将混沌理论应用到变压器局部放电模式识别领域，应用混沌神经网络进行识别，取得了较为满意的效果。 这既是将混沌理论的应用进一步拓宽，也为局部放电模式识别提供了一种新方法。 第一部分论述了开展局部放电模式识别工作的重要性，国内外开展此项工作的现状和发展趋势。 第二部分介绍了局部放电信号的干扰，研究了局部放电信号特征量的提取方法。利用小波变换手段进行局部放电信号处理是较为常用的方法，复小波可同时提取被分析信号的幅频特性和相频特性，采用包含复小波变换的幅值和相位的综合信息作特征值，可以全面地揭示局部放电信号与其它信号的细微特征差异。 第三部分学习了混沌理论和神经网络的知识，介绍了常用的混沌神经网络模型及其应用。 第四部分研究和学习了模式识别系统，并且从各个组成部分进行学习，了解了当前模式识别系统的任务和难点，以便进行有的放矢的研究。 第五部分将应用于嗅觉系统的模式识别模型—KIII 模型引入到变压器局部放电模式识别领域。KIII 网络是一种混沌神经网络，它的模式识别机制更加接近实际的生物神经系统的工作模式，将其应用到局部放电模式识别中，取得了较为满意的效果。由于KIII 网络的优越性，它代表了将来神经网络的一种发展方向。