摘要：XLPE中压电缆局部放电（partial discharge）带电检测获得的信号可能源于电缆本体、电缆终端头，也可能来自于与之连接的开关柜中的电晕放电或表面放电等等。由于不同来源的PD信号，对设备的危害不同，其判断标准也有所不同。故有必要对PD信号来源进行识别。笔者利用小波包分解技术对试验获得的大量PD波形数据进行去噪和特征提取。使用PD信号在不同尺度下的能量谱、Shannon熵、对数能量熵以及1．5阶标准熵组成4组特征向量；将提取出的特征向量分别作为BP神经网络分类器的输入，对PD信号进行识别，并得到以下结论：以提取的各特征向量对PD信号进行识别，平均识别率均在90％附近；能量谱、Shannon熵、对数能量熵对于表面放电的识别率相对较低，1．5阶标准熵对于表面放电识别率高但对于电缆本体PD信号识别率较低。提出使用能量谱和1．5阶标准熵组合特征向量对PD信号进行识别，效果优于单独使用各特征向量进行识别，识别率高达97％。

关键词：局部放电 小波包 特征向量 神经网络 模式识别 

单位：华南理工大学电力学院 广州510641 广东电网公司东莞供电局 东莞523129