电力变压器是目前电力系统中的核心设备之一,其安全稳定运行对于电力系统的安全稳定运行提供了重要的保障。油纸绝缘是目前电力变压器的主要绝缘系统,绝缘故障会对电力系统造成不可估量的损失,局部放电作为变压器试验中常用手段可对设备绝缘状态进行有效判别,由于不同缺陷局部放电的形成与发展机理有所差异,其局部放电特性也不尽相同。因此,可针对不同缺陷类型的局部放电信号进行识别分类,进而迅速诊断出电力变压器内缺陷类别。对变压器绝缘状态的判别及维护有着非常重要的意义。本文首先以工业制造绝缘纸板的方法,采用未漂针叶木材硫酸盐纸浆作为制作绝缘纸板的原材料,经过对绝缘纸板不同工艺的处理,制备成不含缺陷纸板(以下简称纯纸板)、含气隙缺陷和金属杂质缺陷的三种不同类型的绝缘纸板试样。为了深入探究不同缺陷纸板局部放电发展特性规律,在实验室分别搭建油纸绝缘局部放电试验平台,为了能更好的观察到不同试样的局部放电特性发展规律,采用阶梯升压法与恒压法结合的升压方式,对不同缺陷类型的试样进行耐压试验。实验结果表明,纯纸板试样起始放电电压最高;由于缺陷的引入,含有气隙缺陷试样其次,含有金属缺陷试样最低,三种试样的放电量与放电次数均随着放电时间的延续不断增加,且三种试样局部放电维持的时间不同。其次,为了探究不同缺陷试样的分类识别方法,基于形状差异参数与正负半周轮廓差异参数的提取,对不同缺陷试样中自起始放电至临近击穿阶段的放电二维图谱中的16个局部放电特征参量进行提取,为后续利用深层神经网络对试样的分类奠定了数据基础。最后,构造深层神经网络用于对不同缺陷试样的局部放电类型识别,将局部放电特征量按着一定比例分为训练集与预测集,深入探究了神经网络在不同参数对于训练集与预测集精度的影响,确定了神经网络的结构。比对单阶神经网络与深层三阶神经网络对于局部放电类型分类的结果。实验结果表明,深层三阶神经网络具有更高的识别率,适用于不同缺陷试样的局部放电识别。