静电放电(ESD)会引起电力设备功率损失和内部损伤,还会对其他设备的正常运行产生干扰。如何准确识别出静电放电信号,对电力设备的稳定运行有着重要意义,因此,将开展对静电放电信号的识别工作。本文使用实验室采集的静电放电信号数据作为研究对象,静电放电信号中存在着一定量的噪声,噪声主要形式是可加性白噪声。首先对静电放电信号进行预处理,通过优化参数的Berouti谱减法进行初步降噪,获得较好的降噪效果,并解决了传统谱减法降噪时对高能量目标信号敏感和信号失真的问题。将降噪好的信号通过改进的双门限端点检测进行端点检测,对信号中含有主要特征波段进行有效截取,解决了传统双门限端点检测对本文使用的静电放电信号端点定位不准的问题。然后将预处理好的静电放电信号通过改进的深度回声状态网络进行识别,解决了传统回声状态网络对高维映射能力弱和深度回声状态网络储备池状态权值更新复杂的问题,并减小了识别时存在的误差,对静电放电信号有较强的识别能力。基于上述预处理方法与识别方法,实现了对本文采集的静电放电信号的精准识别。本文的主要工作如下:1)设计了基于优选参数的Berouti谱减法与改进的双门限端点检测相结合的预处理方法。将静电放电信号通过Berouti谱减法进行降噪,发现降噪后的信号存在失真的现象,本文通过优化过减因子和谱下线参数,解决了失真问题,完成静电放电信号的降噪工作。然后将降噪后的静电放电信号进行端点检测,本文对传统双门限端点检测进行改进,利用传统的双门限端点检测方法确定起始点,然后重设终点检测的门限值,并增加一个门限T(有效信号的时间范围),从而完成终点检测,确定起始点和终点。实验表明此方法针对静电放电信号有非常好的滤波和端点检测的能力,使得处理过的静电放电信号较为纯净且特征表现明显。2)设计了基于改进的深度回声状态网络的静电放电信号识别方法。本文对回声状态网络的工作原理进行研究,并对回声状态网络加深处理的深度回声状态网络进行改进。在深度储备池中加入一个编码器来将高维映射转换为低维映射,经过压缩特征后再经过一个储备池将其再次转换为高维映射,使其特征更加凸显。本文对深度回声状态网络的权值收集模式进行了改进,不同于深度回声状态网络将所有储备池状态权值都进行收集,本文只收集最后一层的储备池状态权值进行输出权值的计算,减少无用特征的影响,减小识别误差。