10kV开关柜作为配电系统中成套的电气设备,其安全稳定的运行是保证配电系统可靠供电的基础。局部放电(Partial Discharge,PD)一直以来都是导致开关柜内部设备绝缘劣化,影响开关柜安全平稳运行的主要原因。暂态地电压检测法(Transient Earth Voltage,TEV)是一种较为有效的开关柜局部放电在线检测方法,目前已经在检修运维工作中广泛应用。但现场应用只能定性分析危害程度,缺乏对局部放电进行定量、对TEV传感器的最优检测位置进行定位以及模式识别等有效有段,本文对此展开研究,主要成果如下:首先,根据实际开关柜绝缘缺陷设计并制作了尖板放电、沿面放电、气隙放电以及悬浮放电四种典型局部放电模型,并搭建实验平台,分别研究了在不同局部放电模型下的TEV传感器幅值与放电量的关系,结果显示均呈现一次函数关系。其次,根据开关柜的结构尺寸和材料参数精确建模,仿真分析了电磁波在开关柜中的传播特性,并得到其传播规律;针对开关柜内部四种典型放电,综合分析了开关柜表面不同检测位置TEV信号的波动性及距离的影响,确定TEV传感器的最优检测位置,并通过实验验证。结果表明,仿真结果与实验结果一致。再次,分别对典型局部放电模型提取统计特征、灰度图像矩特征、时域特征和频域特征等共计56维特征参数,通过神经网络验证了组合特征参数的识别率比单一特征参数的识别率高,但识别时间过长。对比PCA与局部线性嵌入降维算法(LLE),采用LLE降维算法对组合特征参数进行降维处理,并通过聚类识别验证了该降维算法的实际效果。最后,选择泛化能力强的多分类支持向量机(MSVM)作为模式识别算法,并采用多种群遗传算法(MPGA)对其进行参数优化。研究LLE降维算法不同参数对算法识别率的影响,确定最佳参数组合。并通过PCA与LLE降维算法的识别率对比,进一步验证该算法的可行性。通过与BP、MSVM、MRVM等分类算法对比,验证了 MPGA-MSVM算法的识别效果最佳。同时将典型模型训练的MPGA-MSVM算法用于识别实际开关柜故障,能够得到故障存在放电类型的几率占比,证明了经过LLE降维的MPGA-MSVM算法对开关柜局部放电模式识别具有可靠的识别精度,能够更好的完成识别任务。