几种局部放电的起因和特点放电类型起因特点内部放电定子主绝缘层中间、绝缘与线棒导体间或绝缘与防晕层间存在气隙、气泡。当外施电压超过气隙或气泡所能承受的电压时，他们被击穿而放电。槽间放电由于铁芯的振动、接触点过热使得定子线棒的低阻层和槽壁或槽底接触不紧密而存在气隙。当局部电场强度达到一定数值时，气隙中的气体发生局部电离而产生电容型高能量放电。

　　正放电脉冲的幅值和放电次数约为负放电脉冲的23倍，放电主频分布在025MHz之间。端部放电由于发电机的端部振动、振动引起的固定部件的松动、槽口机械应力集中等原因会使防晕层部分脱落，从而引起端部表面发生放电比内部放电剧烈，产生的电荷累积在介质一边，电荷少，不对称，放电脉冲频率在010MHz之间。

　　局部放电信号在绕组中的传播特性实际电机中各种绝缘故障放电模式的识别与放电脉冲沿定子绕组到检测系统的传播特性密切相关，由于传播介质不均匀以及信号在传播中的衰减等因素的影响，使放电脉冲在发电机定子绕组中的传播较为复杂，使得局放信号产生畸变。为单相绕组的注入和激励的传播曲线。

　　单相绕组实验的注入与响应然而，局部放电脉冲在定子绕组中的传播规律十分复杂，研究成果较少。文献<3>研究了2MHz以下频段试验脉冲沿定子线棒的传输线传播规律及信号幅值的变化规律、信号传播时延等。文献<4>建立了基于多导体传输线理论的发电机定子绕组模型，根据模型计算出的脉冲响应波形与实测结果仍有一定差异，也未涉及利用该模型确定局部放电源位置的问题。因此，目前对局部放电脉冲传播规律的研究很不成熟。

　　实际上，变压器内部的局部放电过程是十分复杂的，伴着有声、光、电现象的发生。其状态可用一个泛函数方程来描述：Status=Function（u，i，f）（1）式中：Function是一个非线性函数；u是定子绕组两端的电压；i是流入定子绕组的电流；f是模糊性因素。根据水声学理论，定子中的局部放电信号的产生是一个非线性过程。另外，由于环境因素的扰动以及局部放电的随机性等原因，造成所测量的声信号中存在大量的瞬态成分，所以其声信号还具有非平稳特性。目前人们越来越多地运用工神经网络、小波分析和分形理论等非线性处理方法处理信号的时间序列，并提取其特征参数，从而对超声波信号的时域脉冲波形进行分析，以实现对一定绝缘模型的局部放电模式识别。

　　局部放电的模式识别依靠局部放电在线监测系统，能够获得丰富的局部放电信息，在此基础上构造出局部放电模式比基于专家目测获得的放电模式具有丰富的细节。描述了局部放电测量与模式识别系统基本结构和单元功能。他大致分为数据获取、预处理、放电模式构造、特征提取和模式分类5个主要部分。由计算机最终完成局部放电模式分类就实现了局部放电自动模式识别。

　　基于小波变换的模式识别方法局部放电信号通常能量都是有限的，属于平方可积函数L2（R）空间，且这种信号又是暂态的、非稳定的，检测与识别这种类型的信号时，希望知道该信号在时域与频域的局部信息。另外，局部放电信号出现在背景信号的某处，必然改变原信号在该处的局部正则性。于20世纪90年代初引入工程界的数学工具小波变换，能够将信号分解到各个时频区域进行观察和处理，而且能够根据待分析信号的特点调整时频窗口形状，在时域和频域都具有良好分辨能力，非常适合于非平稳信号的分析，适合于分析信号的时频结构，表征信号的局部正则性。自从小波变换的妙用被继电保护工作者认识以来，许多从事局部放电的研究者都试图通过小波变换彻底解决发电机局部放电的模式识别。

　　一直以来，基于小波变换的模式识别方法主要集中于对三维统计分布图qn进行二维小波变换处理。每进行一次二维小波变换分解，便可得到对应于原图像不同频域分量的LL，LH，HH，HL共4幅子图；对其中的LL子图再一次进行二维小波变换分解，又可得到下一级的4幅子图，，其过程如所示<9>。

　　两维小波变换分解图不同分解尺度下的不同子图，反映了被分析图像不同侧面的信息；利用那些最能反映被分析三维统计分布图固有特征的子图信息，就能正确地识别不同类型的局部放电。若分辨率为M1M2的K幅不同的图像构成的参考图像库为：F={fi（x，y），i=1，2，，K}（2）在图像小波多尺度变换的基础上，采用图像在尺度J上的低频子图像对具有与参考图像相同分辨率的待识别图像p（x，y）进行识别，步骤如下<10>：（1）对参考图像fi（i=1，2，，N）进行小波多尺度变换，计算各分解尺度上的分解子图像Cifi；（2）对待识别图像p进行小波多尺度变换，计算与Cifi相同尺度上的低频子图像Cip；（3）计算Cifi与Cip的相似度；（4）求Cifi与Cip最大时的fi，他对应的图像模式即为识别结果。

　　结语大型发电机定子局部放电现象具有很大的随机性，而且存在许多非确定的因素影响局部放电信号的采集，这给局部放电的模式识别带来了很大的困难。实际上，局部放电的产生及其信号传播涉及许多复杂的因素，是典型的复杂动力系统问题，对其信号处理涉及到非线性领域的研究。目前人们越来越多地运用神经网络、小波变换、分形理论等非线性方法来处理局部放电信号的时间序列，并提取其特征参数，大大提高了模式识别的精度。各方法均有其特点，并已经在发电机局部放电模式识别研究中得到了较大的进展，但是距实用化阶段尚有一段距离，需要不断地改进和完善。从目前的发展趋势看出，组合识别方法将会成为模式识别中最重要的一个方向；局部放电产生成因分析及影响因素的研究、新的识别方法与策略的探索是局部放电模式识别技术未来的发展方向。随着科学技术的发展，这此问题必将得到逐步解决。