电力变压器价格昂贵,是整个电力系统中最为重要的设备之一,因此寻找有效方法对变压器的健康状况进行评估尤为重要。局部放电是变压器绝缘劣化的重要征兆和表现形式,为变压器内部早期故障评估提供了有效途径。另外,局部放电类型对检修人员估计变压器故障位置有重要作用。为了准确分析局部放电信号的特征和类型,本文主要从局部放电信号的时频分析、特征提取和模式识别三个方面进行了相关研究,研究成果如下:提出了基于变分模态分解(Variational Mode Decomposition,VMD)和Wigner-Ville分布(VMD-WVD)的局部放电信号时频分析方法。将由多分量组成的局部放电信号进行VMD分解,得到若干单一成分的模态分量,然后分别对各模态分量进行WVD分析,最后将各模态分量的WVD结果进行线性叠加得到局部放电信号的WVD分析结果。VMD-WVD时频分析方法有效抑制了 WVD中的交叉项,并且保证了较好的时频聚集性,能够细致地刻画信号在时频平面上所发生的变化过程,准确反映了信号的时频特性,适用于局部放电信号的时频分析。采用VMD-WVD方法分别对仿真及实验局部放电信号进行时频分析,得到的分析结果充分验证了该方法的有效性。提出了一种基于VMD和Hilbert变换(Hilbert-VMD)的局部放电信号分析方法,并将其用于局部放电信号特征提取。对局部放电信号进行VMD分解,得到若干固有模态分量,之后对得到的各模态分量分别进行Hilbert变换并将结果进行线性叠加得到被分析信号的Hilbert时频谱,计算各模态分量的边际谱,最后,根据各模态分量的边际谱提取局部放电信号频域内的特征量。采用该方法提取实验环境下局部放电信号的特征量并据此进行模式识别,实验结果表明,基于Hilbert-VMD的特征提取方法可以有效提取局部放电信号的频域特征,具有较高的正确识别率。提出了一种基于偏最小二乘回归的VPMCD方法(KPLS-VPMCD),并将其用于局部放电信号模式识别。该方法中引入核函数,用核偏最小二乘回归代替原始VPMCD方法中的普通最小二乘回归,因此该方法不依赖特定的数学模型,可以表征特征量之间更为复杂的非线性关系,并且可以有效处理特征量之间存在多重线性相关性和特征量维数大于样本个数的小样本训练问题。采用KPLS-VPMCD方法分别对UCI数据集和局部放电信号进行模式识别,并将得到的识别结果与原始VPMCD、BP神经网络和支持向量机(Support Vector Machine,SVM)方法得到的识别结果进行比较,充分说明了采用该方法进行模式识别的有效性。提出了一种基于样本加权FCM聚类的未知类别局部放电信号识别方法,实现对待识别局部放电信号中未知类别样本的识别。采用FCM聚类确定各已知类别局部放电信号样本的聚类中心,计算局部放电信号的样本权值,将各待识别局部放电信号权值与确定的阈值进行比较,判断其是否属于已知类别。该方法中,根据Otsu准则,即采用最大类间方差法自适应地选取样本权值阈值。实例分析验证了该方法的有效性,为未知类别局部放电信号的识别提供了一条有效的解决途径。