泄漏电流作为在线监测输电线路绝缘子状态的方法。虽已有国内外学者对泄漏电流的去噪和特征提取问题进行了研究,并且采用模式识别方法实现了对泄漏电流分类和绝缘子故障诊断,但是,这些方法都存在缺陷,仍有许多问题等待解决。为了弥补已有方法的不足,本文针对泄漏电流特性和绝缘子故障诊断等问题,在泄漏电流去噪和特征提取方面展开研究,分析和研究当前的绝缘子故障诊断方法,并深入地研究了深度学习RBF神经网络,最终建立了基于RBF神经网络的故障诊断模型。通过对泄漏电流信号的特征进行分析,发现影响泄漏电流容易受到外界环境众多因素的影响,本文主要在相对湿度与等值盐密两方面对泄漏电流最大值的影响上进行研究,从而可获取到泄漏电流相应的污秽程度。为了达到降低信号噪声对测定结果的影响的目的,在本文中,首先介绍了泄漏电流的去噪的方法,对比分析了几种常见的去噪方法,得到小波变换这种方法,在去除输电线路绝缘子泄漏电流噪声的同时,不仅能确定最优小波基和最佳阈值这两个值,又能给出分解层数的科学的计算方法,在一定程度上能够较好地对泄漏电流信号进行去噪。然后,论文中研究了绝缘子泄漏电流的特征,分析了相对湿度和等值盐密两者分别对泄漏电流最大值的影响。通过对泄漏电流特征进行特征量分析,得到了3片串XP-70绝缘子的泄漏电流最大值,随等值盐密的增加,呈现出线性关系不断增加的趋势,然而随相对湿度的增加,却呈现出成非线性关系增加。也分析了在不同湿度下泄漏电流的3次谐波与基波幅值比,随着RH的变化,比值呈增大的趋势。获取到相对湿度以及等值盐密两者作为RBF模型的输入变量。最后,建立基于RBF神经网络两输入一输出的绝缘子故障诊断模型,来预测绝缘子表面污秽的相关程度,并与仿真试验结果进行比较,从而分析并检验模型准确性。对研究泄漏电流特征分析的绝缘子故诊断具有十分重要的意义。