绝缘子污秽放电伴随着声发射现象,人工污秽试验表明,污秽绝缘子放电声发射信号与绝缘子污闪放电的发展存在复杂的非线性关系。为有效分析绝缘子放电声发射信号,从而判断绝缘子表面的污秽放电状况,利用最小二乘支持向量机这种新的机器学习工具,建立了以污秽绝缘子放电声发射信号中的多个变量作为输入参数,污秽程度作为输出的绝缘子运行状态评定模型。模型参数通过交叉检验的方式确定,并通过部分仿真数据验证了该模型的有效性。仿真结果表明,最小支持向量机具有很好的学习、分类和泛化能力,满足绝缘子污秽监测实际要求。