及时地了解电缆的运行状态和发现电缆的潜在缺陷是保证电力系统可靠运行的基础。如今,国内外对电气设备状态评价方法进行了许多理论研究并在应用中取得了良好效果。但通常的状态评价方法给出的权重值固定单一,没有考虑权重的差异性和不确定性,无法分析权重向量偏差对评价结果的影响。本文针对上述问题,建立了基于权重空间抽样的电缆状态评价模型,并在状态评价结果基础上对电缆进行缺陷识别。由于目前的缺陷识别方法主要针对局部放电模式的识别,但实际情况中电缆还存在其它缺陷类型,因此本文从数据挖掘角度提出了一种基于多元模糊支持向量描述的高压电缆缺陷识别方法。论文主要的研究内容如下:(1)针对以往状态评价方法给出的权重值固定单一而无法分析权重向量偏差对评价结果影响的问题,提出了一种基于权重空间马尔科夫链与蒙特卡罗法(Markov chains Monte Carlo,MCMC)抽样的高压电缆状态评价方法。通过MCMC抽样得到的权重向量集合与高压电缆样本劣化度进行加权求和并两两对比,得到其综合劣化度结果。并基于概率统计,得到待评价对象的状态概率值和整体优先排序概率,根据状态概率值和排序结果确定检修的先后顺序。并基于评价结果,明确后续需要进行缺陷识别的电缆线路。(2)针对电缆缺陷识别方法单一且少有研究从数据挖掘的角度进行缺陷识别的问题,提出了一种基于多元模糊支持向量描述的高压电缆缺陷识别方法。利用竞争凝聚算法对高压电缆不同状态的训练样本进行模糊聚类和筛选,并利用筛选后的样本的隶属度对支持向量描述(Support Vector Data Description,SVDD)进行加权处理,进而建立高压电缆不同状态的训练样本的最小超球体模型,通过状态判别函数实现对高压电缆缺陷类型的识别判断。(3)根据高压电缆状态综合评价和缺陷识别的数据来源,包括:在线监测数据、离线试验数据、运维信息、设备信息和环境及外力破坏数据5个方面,建立了电缆多源状态指标集合。并以某供电局辖区内同时安装了温度、局部放电、接地环流监测装置的高压电缆为案例,通过本文提出的状态评价方法,得到了待评价对象的状态概率值和排序结果,并分析了权重的随机性对评价结果和排序结果的影响;再在评价结果的基础上,以评价结果异常的电缆为例,测试了本文缺陷识别方法的有效性。