我国6~66KV配电网多数为中性点不接地或经消弧线圈接地系统,即小电流接地系统。由于小电流接地系统发生单相接地故障时,故障电流很小,目前已经有数十种故障选线方法提出并得到应用,但实际应用效果并不理想,因此,小电流接地系统单相接地故障的判定一直是业内的一大难题。　　多小波是由两个或两个以上尺度函数构成的小波,可以同时具有对称性、正交性、短支撑和高阶消失矩等特性。本文基于多小波的这些特性,提出了应用GHM多小波和神经网络相结合的方法实现小电流单相接地故障选线。　　首先,本文分析研究了小电流系统发生单相接地故障时的稳态特性和暂态特性,并结合传统的小电流单相接地故障选线方法提出了应用GHM多小波和神经网络相结合实现故障选线的方法。其次,本文分别对多小波理论和神经网络进行了分析与研究。对于多小波,着重研究了其多分辨率分析和Mallat算法,并对常用多小波进行了分析与介绍。对于神经网络,着重研究了应用比较广泛的BP神经网络及其 BP算法。最后,本文进行了实验模型的构造,包括利用Parseval定理和多小波理论的Mallat算法的能量特征向量的构造和利用MATLAB/Simulink的小电流接地的仿真模型的构造。通过构造的仿真模型得到在不同条件下的仿真数据,根据故障前后各条线路的能量分布,对这些仿真数据利用GHM多小波进行 Mallat分解,构造故障能量特征向量并送给 BP神经网络,进而通过BP神经网络的训练直接给出选线结果,并与利用单小波 D4与BP神经网络相结合的故障选线方法进行对比分析,实验结果的对比验证了本文方法的有效性、可行性。