为了保障电网的安全,继电保护承担了及其重要的作用。当电网发生故障时,继电保护装置快速、可靠地动作能够使得电网的恶化状态得到改善；而当不动作或者误动作的时候,则可能会使得电网状态更加恶化,甚至发生崩溃。随着国家电网公司对智能电网建设的开展,智能电网所带来的微网运行、分布式电源接入、网络重构等技术使继电保护遇到了新的挑战。常规保护基于本地测量信息和少量区域信息,因此在遇到这些问题时显得能力不足,而通信技术、时钟及数据同步技术、传感器技术和计算机技术的发展为新型继电保护的发展提供了很好的技术支持。因此,使用广域测量信息来进行系统继电保护设计和配置是一种新的发展趋势,被越来越深入地进行研究。本文提出一种基于支持向量机SVM的故障区域搜索算法和基于故障电压比较的故障元件识别算法。SVM是一种机器学习的方法,通过训练样本来达到正确的分类结果,进行故障区域的选择,这样可以减少了广域信息量的采集,避免造成信息阻塞。在区域选择的基础上,故障元件识别算法是使用故障电压比较系数来识别故障元件。不同于传统的故障区域选择方法,基于SVM的故障区域搜索更为精确且不受过渡电阻的影响,在线路首末端故障也能正确识别。基于故障电压比较的故障元件识别算法区别于传统的广域电流差动保护,其对信息采集同步性要求不高,同时不存在因电网内的多点测量误差累积而成的较大不平衡电流。首先,对广域电流差动保护算法使用IEEE9母线标准模型进行了仿真验证；然后,对基于故障电压比较的广域保护算法使用IEEE14母线标准模型进行了仿真验证。结果表明所提出的算法在不同故障类型,不同故障位置,不同过渡电阻和转换性故障的情况下均能正确识别故障区域以及故障元件,表明了算法的有效性,同时还可以弥补广域差动电流无法识别故障元件的缺陷。