电力运行部门历来十分重视变压器等电气设备的绝缘监督，国内外电力行业大都采用定期大修和预防性试验制度。这种方法在一定程度上保证了两次大修之间电力设备的安全运行，但是这种方法也存在着缺点。首先，停运检修不仅让电力部门付出大量的人力物力，而且给用户造成很大的不便；其次，停电检修并不能准确反映出电力设备实际运行时的状态，因此也就并不能完全保证电力设备在实际运行时的安全。因此通过开展对变压器局部放电的在线监测，可以在一定程度上发现许多内部存在的缺陷，对保证变压器安全可靠运行具有重要的现实意义。
要准确地了解和掌握变压器内缺陷类型性质和特征，有效的方法是对获得的局部放电信号进行模式识别。大量的研究表明，不同的放电模式对绝缘的危害程度不同。如：变压器内部的气隙及油中杂质放电对变压器绝缘的危害程度较小，只有缓慢地老化作用；高压线圈端部的静电板处常发生的油隙放电、由线圈中的长垫块向围屏发展的沿面放电以及悬浮电极放电则会使绝缘在较短时间内损坏。因此监测变压器的局部放电不但要知道当前放电量的大小，而且要知道放电的类型。
传统的放电类型识别主要靠有经验的专业人员来完成，在不考虑数据准确度的情况下，诊断结果的合理性主要取决于专业人员的责任心和经验的积累程度。随着计算机技术及数字信号处理技术的发展，人们提出了许多种自动模式识别方法，如基于隐式马尔可夫模型（Hidden Markov Models），人工神经网络（ANN）、模糊理论、专家系统等模式识别法，其中人工神经网络以其大规模处理能力、分布式存储能力和自适应学习能力成为该领域研究人员的首选工具之一。特别是把现代数学分析技术与人工神经网络相结合用于放电类型的模式识别中，会大大地提高识别效果。
关注微信公众号