1、在我國6～66kV電力系統(tǒng)中，廣泛采用小電流接地方式。但小電流接地系統(tǒng)發(fā)生單相接地故障的幾率最高，占總故障的80％以上。由于單相接地時故障線路上其特征不明顯，且易受到系統(tǒng)接線模式、線路長度和負荷等諸多因素的影響，現(xiàn)有的選線方法都存在一定的局限性。因此，小電流接地故障選線一直是配電網(wǎng)自動化領域中有待進一步解決的重要課題。
　　 論文首先闡述了國內外小電流接地系統(tǒng)發(fā)生單相接地故障的研究現(xiàn)狀，指出故障選線一直未解決的問題;針對小電流接

2、地系統(tǒng)發(fā)生故障時，其穩(wěn)態(tài)信號持續(xù)時間長但幅值較小，暫態(tài)信號特征量明顯但持續(xù)時間短，利用單一特征量的選線方法往往不能覆蓋所有接地工況的問題。綜合考慮穩(wěn)態(tài)與暫態(tài)特征量各自的優(yōu)點，采用小波分析法、零序電流基波分量法與零序電流有功分量法進行智能融合。鑒于已有很多融合選線方法是建立在神經(jīng)網(wǎng)絡的基礎上，而神經(jīng)網(wǎng)絡結構比較復雜、收斂速度慢、會出現(xiàn)局部最小值等局限性問題。而支持向量機(SVM)能較好地解決小樣本、非線性與局部極小點等實際問題，且具有很強

3、的泛化能力。為此，論文采用的是基于SVM的信息融合選線方法。在matlab7.12軟件平臺上建立了小電流接地系統(tǒng)模型，針對不同故障情況進行仿真分析，得出各線路零序電流;根據(jù)信息融合采用的方法，從零序電流中提取基波、暫態(tài)故障特征量。根據(jù)各故障測度函數(shù)分別計算各故障測度，形成原始數(shù)據(jù);隨機抽取部分對SVM網(wǎng)絡進行訓練，利用網(wǎng)格搜索法對SVM參數(shù)進行尋優(yōu)，并根據(jù)尋優(yōu)后的參數(shù)對SVM進行訓練，訓練完后得到故障選線模型。
　　 利用測試樣