近年来,由于经济持续发展,我国对能源的需求不断增加。为调整能源结构,应对环境污染和气候变化问题,以风电和光伏为代表的新能源大量接入电网,配电网中电气设备的电力电子化、大量分布式电源接入、潮流由单向转为双向等因素导致故障判别和定位难度增大,这可能使得原有的保护判据不能直接应用于有源配电网。研究适合于有源配电网故障判别与定位的方法,已经成为实际工程需要解决的重要问题。本文的主要研究内容如下:(1)实现了可用于有源配电网故障判别和定位的最优故障特征的选择。针对多测点的有源配电网,通过数据采集和处理得到包含所有测点数据信息的原始特征空间,应用前向序惯、后向序惯搜索算法,并基于距离可分性判据,实现有源配电网分别用于判别是否故障、判别故障类型以及故障区域定位三种情况的最优故障特征的选择。(2)实现了基于SVM的有源配电网故障判别与故障区域定位。由最优故障特征分别组成判别是否故障、判别故障类型、故障区域定位三种情况所需要的训练样本,分别针对各组训练样本采用支持向量机分类方法进行训练,得到三种SVM分类器模型,实现了基于SVM的有源配电网故障判别与故障区域定位。(3)实现了基于KKT条件的故障判别和故障区域定位SVM模型的在线学习。基于原始训练样本初步得到的SVM模型,在新增样本到来时判断各样本是否违反KKT条件,若有违反KKT条件的样本,通过在线学习方法对原始SVM模型进行更新,提高了故障判别和定位准确率。(4)针对故障区域,实现了基于多判据贝叶斯的有源配电网故障区段准确定位。将采集到的电气量信息组成多种保护判据,并应用到贝叶斯网络中作为网络中的节点,利用多种判据的冗余信息及贝叶斯的概率信息等,实现有源配电网精确到两测点之间的故障区段准确定位。