电力系统中出现的波形、幅值及持续时间各异的过电压是发展高压输电需要研究的重要课题之一,其不仅关系输变电设备绝缘强度的合理设计,而且直接影响到电力系统的安全运行。在对国内外的停电事故分析中发现,电力系统过电压引起的电网事故故障率较高,电气设备绝缘破坏时有发生。因此,对过电压进行在线监测、通过分析监测数据识别过电压类型并及时采取相应的措施抑制过电压,对提高电力系统运行可靠性具有重要意义。在对过电压进行抑制的过程中,在线监测装置获得的过电压数据的准确性直接关系到过电压类型识别的结果和抑制措施的有效选取,因此过电压信号的在线监测是过电压类型识别和抑制的基础,也是难点所在。目前,在110 kV及以下电压等级的电网中,过电压信号的获取通常是通过与电网一次设备有直接电气连接的过电压在线监测方式实现的。这种监测方式虽然能够获得较为准确的过电压数据,但监测装置长期并联于电网会出现发热问题,容易形成安全隐患,危及整个电网的安全。基于以上原因,传统的“接触式”过电压监测方法已经不再适用于对安全性要求更高的220 kV及以上电压等级的电网过电压的监测。作为电能输送的主干网络和连接区域电网的纽带,500 kV电网的安全运行至关重要。对于500 kV电网过电压的在线监测,应当在保证过电压信号采集准确性的同时,将监测装置对电网安全的影响降至最低,使监测装置的引入不至于成为电网的安全隐患。基于以上分析,500 kV电网过电压信号的获取应尽量通过与一次设备没有直接电气连接的“非接触”方式实现。因此,如何实现500 kV电网过电压的在线监测、利用监测数据进行过电压类型识别是开展500 kV电网过电压抑制工作的关键难点。本文在大量查阅相关文献的基础上,基于时域有限差分法,建立了瞬态电场计算模型,计算了雷电过电压、接地故障以及分合闸操作在变电站内产生的瞬态电场,结合小波分析和傅里叶变换对瞬态电场的特征参量进行了提取。在此基础上,采用RBF神经网络构建了基于瞬态电场特征的过电压分类识别系统。通过本文的研究,主要得到的结论有:(1)利用MATLAB平台,建立了基于时域有限差分法的瞬态电场计算模型,在建立模型时考虑了不同相导线电压产生的电场的相互迭加,使得计算模型更接近实际变电站内的电磁环境,利用该模型计算了雷电过电压(绕击和反击)、投电容器组过电压、合空载线路过电压、单相接地故障及投切空载变压器等几种典型过电压在变电站产生的瞬态电场,并对瞬态电场进行了频谱估计。分析结果表明:不同类型的过电压产生的瞬态电场的频谱形状及主频率分布均具有明显的差别;(2)结合傅里叶变换和小波分析对过电压产生的瞬态电场特征量进行了提取,分析结果表明利用小波分析和傅里叶变换得到的特征量能够较好的描述瞬态电场的特征;(3)利用RBF神经网络构建了基于瞬态电场特征量的过电压类型识别系统,对该识别系统的分类能力进行了测试,测试结果表明:基于瞬态电场特征量的过电压类型识别系统的平均识别率可以达到89.17%,可以较好的对过电压进行分类。