随着我国对风电场建设的规模不断扩大,风电场集电系统的稳定运行受过电压的影响日益增大,过电压的产生会导致电气设备绝缘击穿,甚至造成大面积停电事故。针对各类过电压产生的机理和特性不同,研究一种快速、精确的过电压识别方法,对集电系统的快速检修、绝缘完善以及风电场稳定运行具有重要意义。文中通过研究风电场集电系统各模块的建模方法,并结合恒山风电场各设备参数和实际接线情况,在ATP-EMTP软件中搭建35kV集电系统过电压仿真模型,对场站频发的各类过电压信号进行仿真,分析了各类过电压信号特性,并在时域上截取有效故障时段作为待研究样本信号。针对过电压信号具有非平稳、非线性的特点,提出了一种基于自适应变分模态分解的过电压信号分解方法,分解得到一系列的本征模态分量,并设立正交性评价指标描述信号分解精度;考虑到各信号自适应分解后模态分量数的不同,设计了一种模态自适应统一选择的方案。将选择的各模态的时间序列沿时域划分为若干子矩阵,以提取各模态下的时-频分段能量熵特征,并组合为用以信号识别的特征向量。将支持向量机应用于过电压信号识别中,采用LibSVM选取径向基核函数,结合交叉验证法对参数进行寻优,创建多分类支持向量机模型,实现各类过电压信号的一次性识别。通过仿真分析,发现相对于经验模态分解法,采用自适应变分模态分解法对过电压信号的分解精度高,能够准确提取过电压信号特征,并能统一各类过电压信号的特征向量维度。相对于传统能量熵特征,各类过电压信号的时-频分段能量熵特征间的大小差异更加明显,利于分类器识别。采用LibSVM构建的SVM多分类器应用在各类过电压的识别中可有效提高识别准确率,且计算速率高。本文提出的方法满足电力系统过电压自动识别的实际需要,为以后工程应用提供了技术支持。