當XLPE電纜因為其絕緣層發(fā)生故障而導致在輸送電力的過程中發(fā)生局部放電現(xiàn)象，局部放電所持續(xù)的時間非常短，因此需要局部放電檢測設備的采集頻率相當高，所采集得到的數(shù)據(jù)量相當大。這些采集得到的非常龐大冗雜的原始數(shù)據(jù)時不能夠直接用于對電纜的絕緣狀態(tài)進行實際判別。因此對于數(shù)據(jù)進行處理、提取放電特征、建立參數(shù)模型等就變得非常重要。有研究描述了電纜絕緣層內部的縫隙生長的樹枝的長度與局部放電之間的關系，發(fā)現(xiàn)局部放電的大小與絕緣層的樹枝的長度之間有一定的相關性。有研究主要描述的是在上世紀90年代意大利的科學家對電纜和發(fā)電機的定子線棒的老化模型進行研究。通過研究發(fā)現(xiàn)，電力設備絕緣老化特征與局部放電水平和絕緣層中老化樹枝的生長尺寸之間可以通過函數(shù)式來表達。1988年，科學家R.Bozzo和G.Gemme利用統(tǒng)計學的知識，將Weibull模型應用于電纜局部放電。研究介紹荷蘭Delft理工大學的Edward Gulski教授將電纜的老化現(xiàn)象用統(tǒng)計學的方法對數(shù)據(jù)進行分析，建立分布擬合模型，選取適當?shù)倪吔缰?B-value )，最終得到電纜老化狀態(tài)的等級，以及對應的專家建議。

對于局部放電特征參數(shù)信息的提取方面，較為普遍的方法主要有灰度圖像法、波形特征法、相位統(tǒng)計法、分形特征法、小波變換法以及時一頻特征法等。波形特征法主要是對放電脈沖的時域波形進行分離和提取，通常提取的波形參數(shù)主要為為上升時間、下降時間、脈沖寬度、波形因數(shù)、峰值因數(shù)、特征頻率等。相位特征法也叫做矩特征法，它是一種圖像識別的特征，描述的是灰度圖像中點的分布。通過三維特征量φ-q-n組合形成不同的三維譜圖。有研究就是采用這種三維特征來識別在實驗室中模擬制造的五種不同的人工局部放電模型。分性特征的首次提出是在上世紀90年代中期，由科學家L.Satish研究并提出，隨后成功應用于高壓電力設備的局部放電模型中。有研究將分型特征應用于電纜的三種不同的放電模式的特征識別，證實了該方法具
有很好的識別效果。有人利用小波理論來分析電纜局部放電的特征，利用小波變換得到的放電譜圖，并分析頻譜與一般方法得到的頻譜的不同。
    
20世紀90年代，隨著模式識別理論的不斷發(fā)展和應用范圍的不斷推廣，電力設備的局部放電開始引用模式識別來進行分析。由于模式識別作為一門學科具有一套較為完善科學的理論方法，因此將模式識別技術應用于對電力設備的局部放電的分析會更加科學合理。用于局部放電分析的模式識別的方法主要有人工神經網絡、決策樹算法、支持向量機算法、貝葉斯算法、模糊聚類算法、統(tǒng)計模式識別等。

一般情況下，模式識別常用的基本方法有兩種，分別為基于統(tǒng)計的識別方法和基于結構的識別方法。