摘要：局部放電(PD)是配電設備絕緣故障早期的主要表現形式,放電類型的模式識別對于設備絕緣性能的判定具有重要意義。考慮到極限學習機(ELM)法結構簡單、訓練速度快,但初始參數選取隨機性大,算法穩定性不夠的特點,提出一種基于融合ELM算法的PD模式識別方法,綜合考慮不同特征判斷準確率的差異,采用自適應權值分配對子分類器輸出結果實現決策級融合。文中設計了4種放電物理模型來模擬典型的設備絕緣缺陷,采用高頻電流法對PD信號波形和相位-幅值譜圖(PRPD)進行采集,獲得足夠樣本的實驗數據,提取時頻域及統計特征值進行分類。結果表明融合ELM算法在保證訓練速度的同時,在識別正確率和穩定性上均優于傳統ELM算法和反向傳播(BP)神經網絡。