90年代以來，模式識別方法才引進到局部放電缺陷類型識別領域，但研究多是對GIS和大型變壓器的局部放電信號進行，而且研究水平尚處于初級階段。神經網絡（NN）識別法目前得到了較為廣泛的應用，它是遵循經驗風險最小化原理的一種機器學習方法。基于Vapnik&Chervonenkis的統計學習理論，說明數據若服從某個（固定但未知的）分布，機器需要滿足結構風險最小化的原理，才能保證機器的理想輸出與實際輸出之間的偏差盡量小，就是使錯誤概率的上界最小化，這就使得神經網絡出現學習問題，訓練誤差很小并不意味著就會得到好的預測結果，有時候，會出現推廣能力的下降的情況，究其原因就是訓練誤差過小造成的，從而增加了真實風險。支持向量機（SVM）正是結構風險最小化理論的具體實現，與神經網絡相比，支持向量機的結構較為簡單，泛化能力等性能得到了顯著的提高，這己被大量實驗證實。目前國內對支持向量機的研究處于起步階段。支持向量機，是基于統計學習理論的一種學習方法，支持向量機的優勢在于可以在有限樣本的情況下，尋找到最優解。支持向量機在對小樣本數據的分析方面具備不可比擬的天然優勢，如較強的學習能力、泛化能力，廣泛地應用在回歸估計、系統辨識以及模式識別等方面，成為繼神經網絡的后起之秀。

基于超聲波信號檢測原理開發的局部放電檢測系統如澳大利亞基于超聲波原理研制的局部放電在線檢測系統，將單獨的在線檢測裝置安裝在開關柜上，采用傳感器測量各項功能參數；美國UE公司生產的ULTRAPROBE系列局部放電檢測產品，是一種超聲波接收分析處理儀器，通過壓電原理，將超聲波信號轉化為電流信號，內部處理器將其轉化為音頻信號，局部放電的有無可以通過高保真耳機來監聽音頻信號的異常來判斷；英國EA Technology公司研制的Ultra TEV plus便攜式局部放電檢測儀，具備超聲波檢測和地電波（TEV）檢測兩種功能。通過人工設定閾值及紅色、黃色報警功能來實現檢測，通過dB值顯示局部放電超聲波信號的大小。也可通過耳機對局部放電活動的異常進行監聽和輔助定位。揚州國浩電氣有限公司也成功研制了GHPD1002開關柜局部放電測試儀，性能可媲美英國EA，HVPD同類型產品，性價比超高。

GHPD1002開關柜局部放電測試儀