小电流接地系统现已广泛应用于我国的中低压配电网系统。当系统发生单相接地故障时,受系统运行环境复杂、故障特征不够清晰等多因素影响,传统的单一选线方法局限性较强,导致选线精度不高,使得小电流单相接地故障选线仍然是继电保护领域一大难题。由于不同的单一选线方法适用于不同的工况条件,为了扬长避短、优势互补,利用信息融合技术将不同的单一选线方法进行融合已受到学者广泛关注。其主要思想是对单一选线方法识别的结果建立故障测度,进而形成描述线路故障征兆程度的样本数据,然后利用人工智能方法对故障样本进行特征提取和知识推理,从而实现故障选线。在信息融合技术的选线方法研究中,目前普遍聚焦于如何提高人工智能方法对选线样本特征提取和知识推理的能力,对选线样本数据的形成关注较少。然而,合理地构建样本数据是提高人工智能方法选线精度的基础,因此,有必要研究如何构建全面反映故障特性的选线样本数据。基于此,针对现有的故障样本不能反映单一选线判据的重要程度,使得样本不能全面揭示不同工况条件的故障特性,本文建立了考虑选线判据重要度的故障样本,利用支持向量机融合多种判据进行小电流单相接地故障选线的研究,并完成了以下工作:1、基于Simulink/Matlab仿真平台,本文建立了八馈线的配电网系统。在该系统下,对基于稳态与暂态的多种单一选线方法进行仿真验证,分析了各单一选线方法的优缺点与适用性。2、研究了一种改进的相互关系的故障测度方法,以准确量化各馈线发生故障的征兆程度。在此基础上,为多维度地分析选线样本与方法之间的关系,本文分别从映射关系、变化态势、不确定性三个角度选取决策树、灰色关联分析与粗糙集三种算法量化单一选线方法在故障选线中的重要程度,从而建立考虑不同单一判据重要程度的样本数据集。3、针对样本数据集的特性,利用支持向量机进行综合选线。由于支持向量机的参数不易选取,提出了一种基于交叉熵的支持向量机交叉验证参数优化算法,通过仿真验证可知,与相对成熟的遗传算法、粒子群等算法相比,该算法寻优能力强,收敛速度快,能够充分发挥支持向量机模型训练与预测能力。4、建立基于交叉熵参数优化的支持向量机的故障选线诊断模型,并以八馈线的配电网系统为诊断对象。仿真分析表明,本文提出的故障选线诊断模型具备更强的故障识别与预测能力。与此同时,考虑单一选线方法的重要性能够有效地提高故障选线的精度,因此探究了不同选线方法组合对选线精度的影响,从而为利用信息融合技术进行故障选线选取单一选线方法提供了可靠依据。