当前电力系统中存在带地线或带故障合闸引起的安全稳定运行风险问题,恶劣情况下可能造成人员伤亡、设备损坏及停电导致的社会经济损失和政治影响。在调度工作中为防止合闸到存在故障的停运线路上,通常需要对待合闸线路的状态进行判断,准确判断线路的故障状态可以对调度操作及故障的排除提供参考,具有重要的实际意义。随着我国各领域对电能的需求不断增加,特高压输电已成为跨区域输电的主要途径。同塔双回输电线路因其在实现远距离输电的同时土地资源占用较少而被广泛应用。但由于多回输电线路共用同一电力走廊,各回线路间距离较近,当其中一回线路因故障或检修停运时,运行线路将通过电磁场在停运线路上产生感应电压。对于同塔双回输电线路一回运行、另一回处于停运状态时,在量测装置满足要求的条件下,感应电压可作为判断停运输电线路接地状态的依据。首先基于电磁场理论推导了输电线路阻抗、电容参数的计算公式,并进一步介绍了同塔双回输电线路的电磁场模型及电路模型,对同塔双回输电线路中一回线路正常运行、另一回线路停运状态下的感应电进行计算,通过修改边界条件对不同运行状态下的感应电压进行推导。其次为识别同塔双回输电线路中停运待合闸输电线路的故障状态,以稳态感应电压数据为基础提出了基于稳态感应电压特征的输电线路故障识别方法。对感应电压有效值进行特征提取,并对不同特征选取方案结果进行了对比,最终提出了以感应电压有效值、无故障电压平均值及故障电压占比为特征的基于径向基核函数支持向量机（Radial Basis Function-Support Vector Machine,RBF-SVM）及BP神经网络的故障类型识别方法,对停运线路上是否存在故障的识别准确率达到100%,对故障类型识别的准确率为99.7%。最后以广域测量系统（Wide Area Measurement System,WAMS）测量感应电压波形为基础提出了基于暂态感应电压特征的输电线路故障识别方法。通过小波包变换提取感应电压波形中较低频成分,并对低频成分波形采用格拉姆角场进行二维化处理,将样本数据转化成为图片形式,最终利用卷积神经网络（Convolutional Neural Networks,CNN）的图像特征自提取能力对样本进行特征提取,进一步实现对停运输电线路的故障类型识别,经验证该方法的识别准确率达到99.96%。为验证该方法在样本数据较少时的性能采用小数据集对该方法进行训练并分别与相同情况下BP神经网络模型和WPT-CNN模型进行对比,结果表明在小数据集情况下该方法优势明显,对故障状况识别准确率也达到了98.33%。