在电力系统中,主要有发电、输电、配电、用电四个环节,其中配电线路作为电网重要的组成部分,在电力网中起重要分配电能作用。配电线路的故障如果不能及时发现,有一定可能将会发生大面积停电、电网瓦解等重大安全事故,危害到人民生活和社会经济。因此,为了及时处理故障、恢复系统正常运行、维护电力系统安全和用户权益,进行针对配电线路的故障识别与定位的方法研究,就显得尤为重要。本文主要从以下三个方面进行了研究:第一,在构造故障分类类别方面,设计并构建了一种实现六分类的模型。将难以检测的间歇性故障和特征不明显的高阻故障这两种故障添加进传统的单相接地、两相接地、两相短路、三相短路故障的四分类模型中,针对不同故障采集不同种类信号输入到两个分类系统进行故障识别。第二,在故障识别方面,提出一种将经验模态分解与卷积神经网络相结合的配电线路故障识别方法。该识别方法将暂态信号分解为不同频率的本征模态函数并选取包含高频成分的函数制作数据集,之后利用构建的两个卷积神经网络分类系统对数据集进行识别,并通过仿真验证了该识别方法具有较高的准确性和较强的适用性。第三,在故障定位方面,提出了一种将经验模态分解和维格纳威尔分布相结合的网络式故障定位方法。该方法不仅解决了故障初始行波波头到达时间难以准确检测的问题,还能适用于波阻抗不连续点众多的配电线路。该方法提取故障后暂态信号中的高频成分进行维格纳威尔分布,之后将得到的能量分布沿频率轴积分得到瞬时能量曲线图,求得其峰值时刻即为故障初始波头到达检测点的时间。最后根据初始行波到达各检测点的时间差、线路的长度与波速度进行网络式定位计算,得到精确故障距离。