气体绝缘组合电器(Gas Insulated Substation，GIS)由于具有诸多优点，目前已经广泛应用于国内外的电力系统中，其电气绝缘状况直接影响到设备安全和系统的稳定。局部放电是GIS绝缘在线监测的最有效的手段之一，它是绝缘劣化的征兆和表现形式，又是绝缘进一步劣化的原因。但是从现行的GIS中采集到的信号除局部放电信号外，通常还包含大量的噪音干扰，其形式多样，特性不一，增加了信号分析的难度。此外从采集中仅提取出局部放电脉冲单一特征是远远不够的，我们希望能够通过对电脉冲的分析和处理，得知产生该种放电脉冲的信号源类型，即绝缘类型及精确确定放电位置，以及对绝缘损坏的严重程度进行判断，从而判断来决定GIS是否仍然可以继续运行或是必须退出运行进行检修。 本论文利用多种数学工具，对GIS内局部放电信号的提取及特征参数分析处理进行了深入的研究，主要探索了三方面：周期性干扰信号的抑制局部放电脉冲特征参数的提取、GIS绝缘缺陷的模式识别，主要取得了以下研究成果： 1、本文首先研究了采集信号的去除噪声和抑制窄带干扰的方法，提出了一种新的基于小波包变换和现代谱估计的干扰抑制算法，它能够较好地实现对窄带干扰的抑制，即使在窄带干扰的频率与局部放电脉冲的特征频率相近时，仍然可以去除窄带干扰而不会导致局部放电脉冲的丢失，较好地保留局部放电脉冲的极性和幅值等特征参数； 2、提出一种应用波形匹配算法提取局部放电脉冲特征参数的新方法。该方法较其他方法的明显优势在于，它不仅能够从噪声和干扰中精确提取出局部放电脉冲发生的时刻，而且可以获得较准确的放电特征频率和衰减时间常数等有用的特征和信息。此外，研究表明该方法当多放电源同时存在时，它可以区分出提取的多个局部放电脉冲是同一个放电源产生的不同次放电，还是不同放电源各自产生的放电脉冲；并且，当两个或多个放电脉冲完全重叠，即几个放电脉冲同一时刻发生放电时，它仍然可以分别提取出不同放电脉冲的特征参数，因此说这种方法应用于提取局部放电脉冲的特征参数是十分有效的，其结果为故障模式识别和故障定位奠定了良好的基础； 3、在实际GIS局部放电模拟实验的基础上，通过对实验数据的分析，提出了一种基于小波包分解和分形技术的绝缘缺陷特征提取方法。在一致的信号采集长度和有效放电信号点数的情况下，分维数可以作为放电信号的一种特征参数，因此对五种故障缺陷的实际放电数据进行分形计算，从而得到分维数这个特征参数。考虑到其中两种绝缘缺陷的分维数很接近，因而采用小波包分解技术，将时域内的信号进行4层小波包分解后，根据信号的采样频率和传感器的频带范围确定某几个节点为特征节点，在这些特征节点上的分维数有很大的差别，从而可以有效提取出分维数这个特征参数； 4、提出了基于自适应谐振神经网络的GIS内绝缘缺陷故障模式识别方法。首先通过小波包和谱估计算法对采集信号去噪和抑制干扰，然后用波形匹配算法提取出放电特征频率和衰减时间常数，再用小波包和分形分析的算法提取出分形维数，结合检波信号中的放电次数、放电相位和放电量等特征参数，综合作为自适应谐振神经网络的输入量，实现GIS绝缘缺陷故障模式识别。通过对五种GIS绝缘缺陷实验中局部放电数据的验证，可得到自适应谐振神经网络仅需要很少的样本数量，就可以达到98％以上的准确识别率； 5、设计了用于GIS在线监测的实验室简易模型。系统包括UHF传感器、信号采集前端监测装置、光缆网络和后台服务器，该监测系统可以实现确定GIS绝缘故障的发生、故障模式识别和报警查询等功能。 综上所述，本论文从GIS局部放电信号的去除噪声、抑制干扰、提取特征参数、故障诊断、研究在线监测系统等方面做了较为系统的研究，取得了一定的成果，在文章最后指出有待于进一步研究的问题。