电力工业是保障国民经济持续稳定发展的支柱性行业,在现代社会发展的各个方面都起着无法替代的作用。因此,优质可靠的电能供应是维持社会稳定发展的重要保障。配电网作为保障民生的重要基础设施及服务居民用户的最后环节,其安全稳定运行直接关系着每个用户的用电利益、用电质量、用电可靠性。随着配电网电压等级不断增加以及分布式电源的接入,配电网络变得日益复杂。当配电网发生故障时,为了防止故障范围的扩大,需要确保第一时间判断故障区域,并迅速进行检修以恢复供电。因此,迅速准确的配电网故障定位及故障类型判别,对配电网安全稳定运行至关重要。本文针对传统配电网保护方法存在保护装置整定复杂、协调性差以及易误动作等问题,做了以下相关研究:首先,介绍了小波分析理论和支持向量机分类方法理论,提出配电网故障后利用小波分析对故障信号进行故障特征量(小波熵)的提取,以及利用支持向量机分类方法对故障特征量数据进行故障分类。通过引入算例分析,说明了支持向量分类方法的准确性及适用性。其次,针对现有配电网保护方法存在的不足,提出了基于多维尺度分析(Multidimensional Scaling,MDS)和局部异常因子检测(Local Outlier Factor,LOF)的配电网故障定位算法,充分利用广域测量系统上传的实时数据,以零序、负序、正序三相电流以及零序有功、无功功率等多个电气量为故障特征量。该方法基本思想是利用各传感器上传的数据,通过数据预处理与数据融合形成多维状态监测矩阵,对此矩阵进行多维尺度分析和局部异常因子检测,能实现对配电网故障检测及故障定位,根据各节点的LOF值,可判断故障区域。MDS和LOF算法的提出,避免了复杂的整定值计算,并且在传感器装置异常状态下,亦能有效的检测出故障区域。最后,针对现有配电网在故障定位后未能进行有效的故障类型辨识这一问题,提出基于小波分析和支持向量机(Support Vector Machine,SVM)相结合的配电网故障类型判别方法,主要是通过小波分析理论对故障电压信号进行小波分解,并结合奇异值分解和信息熵理论,把电压信号处理成反映故障特征的小波奇异熵值,并根据其大小可以判别出故障相,通过小波变换,利用反映接地故障信息的零序电压第一层低频能量对故障进行预分类,把故障分为相间故障和接地故障,利用SVM分类模型,验证了本文所提算法的准确性及有效性。