电力系统中绝大多数故障都是由于电力设备的绝缘受到破坏后发生劣化,最终导致绝缘击穿或闪络引起的。我国经济的持续快速增长使得负荷需求增加、装机容量迅速增长,保证电力设备的正常运行以保证电力系统安全稳定和供电可靠性愈来愈成为电力系统的首要任务。所以对电力设备绝缘的实时在线监测和故障诊断技术愈显重要,在线监测与故障诊断是电力系统由目前周期性预防维修转变为技术上、经济上更为先进的状态检修的重要技术手段。成熟实用的在线监测与故障诊断技术不仅可以节省大量的人力物力,还可提高电力系统的安全稳定运行水平,具有重要的研究价值和巨大的应用前景。　　作为输电线路中分布和应用广泛的绝缘部件,绝缘子的绝缘若受到破坏,则将直接导致电力系统的短路事故,造成大停电事故,重则导致系统崩溃解列,迅速准确的找出线路中绝缘子潜在的绝缘隐患,对电力部门来说是极其重要的。本文在输电线路绝缘子在线检测与故障诊断的研究背景下,以常见的陶瓷绝缘子为研究对象,以放电声发射波作为分析途径,进行了如下研究:首先,为提高放电监测的准确性、避免电磁干扰,选择超声波法来监测绝缘子放电,进行绝缘子放电声发射试验,获得绝缘子不同类型放电的声发射数据;其次,总结放电声发射波时域波形的特点,根据声发射领域的常用特征量,在MATLAB中计算出反应放电声发射波时域波形指纹特征的18个特征指标,再利用主成分分析法对18个指标进行主成分提取,以减少各指标间的信息重叠和冗余,提取出个数较少且又能充分包含原来特征指标信息的4个主成分,从而降低了放电识别时输入特征量的维数;时域特征指标只能粗略地刻画放电声发射波的波形分布特征,无法精确地反映放电信号的局部细节特征,此外,由于是直接处理离散的数据点,而离散数据点中存在许多影响时域特征指标计算的坏点,这些坏点使计算的时域指标不能正确的体现放电声发射波的特点;因此,论文又引入分形及分维数的概念,将不同类型的放电声发射波看作一个复杂而具有自相似性的分形体。计算放电分形体的分形维数,不同类型的放电声发射波对应的分维数不同,故可将放电信号的分维数作为不同类型放电的特征量,本文具体计算了放电声发射波的盒维数和关联维数,以此作为特征量来进行放电的模式的识别。最后,在MATLAB中设计BP神经网络,用计算出的特征量对网络进行反复训练,比较分别采用主成分指标和分维数特征量时识别结果的准确性。识别结果显示,两种类型的特征量都具有较高的识别准确性,相比而言,以分维数作为放电特征量时,识别的准确度更高,识别效果更好。