电缆局部放电在线检测与定位能及时反映电缆绝缘状态,为检修提供依据,避免电网运行事故的发生,对保障供电网络可靠运行具有重要意义。但由于电缆工作环境复杂,通过高频电磁耦合元件(HFCT)检测到的局放信号受噪声干扰严重,从含噪信号中有效提取局放信号并准确可靠拾取其初至脉冲是实现局放定位的关键。本文针对复杂噪声环境下的电缆局部放电检测与定位技术展开研究。局放信号在电缆中的传输特性是实现放电测量与局放源可靠定位的重要理论基础。对局放信号的传输特性进行了分析研究,并运用电力分析专用软件PSCAD/EMTDC对电缆及其局放检测的模型进行了搭建。仿真结果与理论分析一致,验证了电缆传输模型的有效性。白噪声是电磁耦合法局放检测信号中的主要干扰源,会严重影响局放信号波至时刻的拾取精度,甚至会导致局放定位失败。提出一种对白噪声干扰具有一定适应能力的长短时窗能量均值比结合时变峰度的两步时延估计算法。首先利用局放发生时刻信号能量突变的特性,通过滑动时窗实现局放事件的检测及初始定位。再利用局放信号波头上升时间短,非对称性最强的特性,拾取时变峰度极大值点作为局放波至时刻。仿真结果表明,在信噪比高于-7dB时,算法能够实现较高精度的波至时刻拾取。为了进一步增强算法的抗干扰能力,提出一种基于快速自适应变分模态分解(FAVMD)的去噪方法。首先利用相关系数法自适应确定最优基本模态个数,将其应用于变分模态分解,将局放信号和噪声信号快速分解到不同的基本模态中,实现噪声信号的有效分离。最后,应用基于时变峰度的时延估计算法和多传感器测量法实现电缆局放源的在线定位。实验结果表明,基于FAVMD-时变峰度的算法适应白噪声干扰的能力明显增强,在信噪比低至-16dB的强白噪声环境下,相对定位误差仅为0.23%,能够满足局放定位精度要求。周期性窄带干扰也是电缆局部放电检测中的主要干扰源,但是现有研究主要集中于白噪声的抑制,这并不符合现场实际。提出一种基于FAVMD结合自适应小波包分解的复合噪声抑制方法。首先运用FAVMD将周期性窄带干扰、白噪声和局放信号分解在不同的基本模态分量中,根据DFT功率谱中的周期性窄带干扰所在基本模态分量的功率远大于局放信号和白噪声的特点,将周期性窄带干扰滤出,得到含有白噪声的局放信号;然后运用自适应小波包分解,将信号分解到高中低频的分量中,进一步提取局部放电信号。仿真结果表明,该方法可以有效抑制周期性窄带干扰和白噪声干扰,较好保留局放信号的原始特征,波形整体和局部相似性较好。去噪结果应用于基于时变峰度的多传感器局放定位算法中,能够精确估计局放初至时刻。