12kV环网柜是电力系统中十分重要的一部分,在配电网中起到连接和调控作用,是实现数字化建设中重要一环。在其制造和运行的过程中,会因为种种的缺陷造成局部放电,威胁电网的稳定运行,因此对环网柜进行在线监测尤为必要。监测的方法有很多,主要针对放电的过程中产生的现象,选择某一量值进行监测。传统的监测成本较高,现象不易监测,本文为了全面的反应环网柜的绝缘状态,结合了环网柜的结构特点提出了基于声音的绝缘在线监测。为了模拟环网柜放电情况,方便实验的开展,本实验对环网柜中的绝缘筒,绝缘套管及绝缘瓷瓶放电状况进行模拟。并对比了潮湿环境下,各绝缘器件的放电情况。利用拾音器将采集到的声音传送至声卡中,通过Labview上位机平台完成对声音信号的储存和处理,采集到各绝缘子放电声音及环境中的非放电声音。并引入声音的预处理,包括:双门限法端点检测,自适应滤波及带通滤波。对比梅尔倒谱系数、线性预测倒谱系数及小波包能量分析的特征提取方法,对滤除噪声后的声音信号做特征提取。提出Fisher特征降维,解决数据冗余问题。经过特征提取使样本带有特征标签,方便模型的建立。分析主要的学习模型包括隐马尔可夫模型,高斯混合模型,神经网络模型等。本文结合实际分类情况提出了高斯朴素贝叶斯算法及单分类支持向量机,对样本分别进行训练学习。在采集到有限的数据样本条件下,应用交叉验证及网格搜索法对特征样本进行训练和测试。对比其识别率,找到更适合于环网柜放电声音识别的算法。通过建立识别模型对放电声音信号进行在线监测可以有效的防止绝缘故障的发生。