随着我国电力事业不断发展,装机容量大幅度增加,交联聚乙烯(XLPE)电缆在电网建设与电网改造中得到越来越广泛的应用。为确保输电网络的安全,对XLPE电缆的检测技术受到了国内外众多专家的注意,对XLPE电缆局部放电的在线监测就是其中的研究热点之一。本文在总结现有研究的基础上,提出一套可用于检测XLPE 电缆局部放电的系统,并提出了基于支持向量机的XLPE 电缆局部放电模式识别方法。本文首先综合分析了各个参数对罗戈夫斯基线圈型电流耦合器幅频特性的影响,通过计算与仿真设计出了适用于检测XLPE 电缆局部放电的传感器,同时为该电流耦合器设计了惯性环节代替理想电子积分器。其次,用该电流耦合器建立了基于LabVIEW 平台的XLPE电力电缆局部放电检测系统。通过模拟试验的验证,可以看到本文设计的检测系统可以有效的应用于XLPE电缆局部放电在线监测。由于现场存在着各种各样的干扰,其中周期性窄带干扰和白噪声是两类重要的干扰,在比较了各种去噪技术后,本文采取自适应阈值小波包去噪算法抑制周期性窄带干扰与白噪干扰,提高了信噪比。在不同缺陷下的XLPE 电缆局部放电波形有所不同,模拟试验中在保存完好的电缆上制作了四种不同缺陷,采集到XLPE电缆四种缺陷下的局部放电信号后,制作了对应于这四种缺陷的五种统计图谱,计算出各种缺陷下局部放电的28 个统计特征参量。支持向量机以统计学习理论为理论依据,是一种新的机器学习方法,在很多应用领域表现出优良特性。作为一种全新的模式识别技术,本文根据实际的需求设计了适用的分类算法,并对其进行了训练,用于对新样本进行缺陷的分类。对模拟试验中新样本的缺陷分类验证了基于支持向量机的局部放电模式识别方法是可行的。