该论文进行的是变压器局部放电模式识别方面的研究.模式识别是90年代初应用于局部放电测量的,模式识别的方法很多,该文主要研究使用人工神经网络对变压器典型模型及变压器类产品的识别结果.该文首先建立了一套局部放电数字化测量系统,实现局部放电信号的采集、显示与处理等.文中对硬件、软件的使用方法、原理进行了说明,还介绍了采用FFT滤波和时域多通带滤波消除局部放电信号中的窄带干扰.文中对变压器的绝缘结构进行了分析,总结了变压器产生局部放电的典型结构及因素.针对变压器局部放电的特点,设计了变压器的试验模型并进行了变压器典型模型的试验.模型分为四大类,每一大类包括3~5小类.列举了各个模型试验的二维(q-t)图形和三维(ψ-q-n)谱图,并对各类模型的试验结果进行了分析.以三维谱图的表列数据作为特征量,采用人工神经网络对(BP网络)对变压器的典型故障模型进行了识别研究,结果说明:经过训练的人工神经网络对变压器局部放电的类型及程度有较好的识别能力.文中建立了基本模式库,为变压器产品局部放电类型判断提供有力的支持.最后使用人工神经网络对电流互感器、工频试验变压器所产生的局部放电类型进行了识别,结果比较满意.