当前大型水轮发电机已成为我国电力系统的主要发电力量之一。大型发电机一旦发生故障将会带来巨大的经济损失和恶劣的社会影响,保障其安全可靠运行对电力系统的安全稳定具有重要意义。统计结果表明,定子绝缘故障是最常见的发电机故障,为此,国内外对发电机绝缘状态监测技术开展了长期研究,局部放电（Partial Discharge,PD）监测是目前最有效且应用最广泛的绝缘监测手段。发电机在运行过程中,其定子绕组绝缘在热、电、环境、机械应力等多重老化应力的综合作用下逐渐老化。承担电网调峰调频任务的大型水轮发电机的运行环境尤其恶劣,因此面临更为严峻的绝缘老化问题。此外,大型水轮发电机的定子绕组结构复杂,具体表现在定子尺寸大、线棒数量较多、长度较长,强噪声耦合、多放电信号在传输中的衰减、交叉耦合等原因导致定子绝缘局部放电的监测、识别与定位更加困难。迄今为止,大型水轮发电机的局部放电在线监测仍是亟待攻克的世界性难题。发电机局部放电信号中蕴含丰富的绝缘状态相关信息,包括绝缘缺陷的类型和数量以及绝缘健康状态的发展趋势等。然而,当前局部放电信号的处理与分析仍面临诸多挑战,具体表现在以下两个方面:（1）局部放电测量信号中混杂了大量的噪声与干扰,从放电点传播到检测点的过程中放电信号的频率成分发生衰减,这两个原因导致局放测量信号的信噪比较低。（2）大型发电机内部通常同时存在多个放电源和多种类型的放电,不同类型放电的发生位置、发展速度、对绝缘的危害程度各不相同,根据混合信号难以直接准确评价发电机绝缘健康状态。为应对以上挑战,本文开展大型水轮发电机局部放电信号去噪与模式识别方法研究,构建涵盖白噪声抑制、干扰脉冲抑制和多源放电分离的水轮发电机局部放电模式识别框架与方法,旨在提高发电机局部放电信号分析水平,以更好地辅助发电机绝缘健康状态评价并辅助制定发电机检修决策,切实保障发电机及电力系统的安全稳定运行。论文主要研究内容及创新性成果如下:（1）为从强噪声、多脉冲的发电机局部放电测量信号中准确提取包含的各类脉冲信号,提出了一种基于分解系数信噪比最大原则的局部放电信号小波去噪方法。基于各层小波阈值区分噪声系数和信号系数的思想,推求了分解系数信噪比的计算方法,以最大化分解系数信噪比为原则进行母小波优选,有效地滤除了各频带内的噪声,提升了小波分解法的去噪性能;构建了基于能量判据的小波分解截止规则,极大简化了分解层数的确定方法,提高了整个局放信号去噪过程的计算效率。（2）针对发电机局部放电信号中存在多类干扰脉冲的问题,首次提出了基于单分类理念的局部放电信号中多类型干扰脉冲抑制方法。首先研究了融合斯密特正交化变换（Gram-Schmidt orthogonalization,GSO）变换和最大互信息系数（maximal information coefficient,MIC）的特征优选方法,实现了高相关、低冗余的脉冲特征选择,充分表征了脉冲类别信息,为后续进行干扰脉冲有效抑制奠定了基础;然后,首次基于单分类理念进行多类型干扰脉冲抑制,发展了一种基于特征网格空间的干扰脉冲抑制方法,根据脉冲在网格空间内的分布实现了干扰脉冲快速有效抑制;最后,提出了一种基于支持向量数据描述的干扰脉冲抑制方法,弥补了干扰抑制方法在泛化能力方面的不足。结果表明,所提方法解决了解决了中性点局部放电监测信号中多类型干扰抑制难题,极大简化了局部放电脉冲数据集,为后续多源放电的准确分离奠定了基础。（3）提出了一种基于改进密度峰值聚类（Density Peaks Clustering,DPC）算法的多源局放信号分离方法。为适应多源局放数据集形状不规则、密度不均匀的特点,引入了DPC算法并用于多源局放信号分离,基于局部密度和距离实现了对脉冲数据集分布的精确描述。考虑脉冲源个数准确确定的需求,对原DPC算法中的聚类中心确定方法进行了改进,通过自定义决策变量综合描述了各脉冲在脉冲集中的分布,然后基于密度可达关系判定两脉冲是否属于同类别脉冲,该方法有效地提高了对不均匀局放脉冲集的聚类效果。实测结果表明,改进DPC算法有效提高了多源局部放电信号分离结果的准确率,对密度不均匀、分布不均衡的局放脉冲集具有良好的适用性。（4）基于本文局部放电模式识别方法研究成果,开展发电机局部放电监测应用与实践研究。首先,研究了基于等效相位中心的放电相定位方法,实现了单一放电源的放电相分析,攻克了三相信号叠加以及相间交叉耦合现象导致的放电相定位难题;然后,从高速数据流实时处理、监测数据管理策略、系统软件架构三个方面对局放测量系统进行了设计;最后,通过多个水电站多台大型水轮发电机的监测应用案例验证了本文方法的有效性与工程应用价值,实现了基于中性点单支传感器的放电相定位和放电类型诊断,体现了在绝缘健康状态评价、辅助制定发电机检修决策与保障发电机安全稳定运行等方面的重要作用。