GlS存在的缺陷是多種多樣的，而這些缺陷引起的放電又具有不一樣的特征。通常局部放電信號的量大致正比于放電現象的嚴重程度，但局部放電對系統的危害主要取決于局部放電的缺陷(放電源)類型和其所發生的位置。因此正確識別局部放電源和判斷其位置對評估GlS的絕緣狀態至關重要。

局部放電源的識別也是模式識別問題，常規的識別方法有：

1）局放相位的分布形狀與局放源類型之間有緊密的聯系，可基于信號的統計特征和相位進行分析，根據局放的二維或三維譜圖來識別；

2）局放理論目前還不完善，有很多未知因素，因此在大量統計數據的基礎上可以利用模糊專家系統結合神經網絡(Neural Network-NN)來識別。Gulski等學者提取了一些統計特征算子作為輸入NN的信息來描述局放的波形特征。此外，近年來不少學者還采用了不同結構的神經網絡以及分形分析等技術來識別局放源。另外，也有學者研究超高頻局放信號的去噪與數學建模。