小电流接地系统具有较高的供电可靠性,在发生单相接地故障后,系统可以短时正常运行。但是如若不能及时排除故障线路,将会导致健全线路的绝缘被破坏甚至升级为多相故障,破坏电力系统的安全稳定运行,因此,研究一种准确、有效的选线方法具有十分重要的意义,但是由于稳态故障特征不明显,暂态故障信号短暂,导致现有选线方法的准确率差强人意。基于此,本文在暂态故障信号的的基础上,利用集合经验模态分解（Ensemble Empirical Mode Decomposition,简称EEMD）、希尔伯特（Hilbert）边际谱、能量熵等数学分析方法提取故障特征,并通过经遗传算法（genetic algorithm,简称GA）优化的支持向量机（support vector machine,简称SVM）实现故障选线。本文首先对小电流接地系统发生故障后的暂、稳态故障特征进行理论分析,确定了使用暂态零序电流进行后续选线研究,并在仿真平台中搭建了模型,将仿真得到的结果和理论分析进行对比,验证了模型的正确性,以便为后续的选线研究提供可靠数据。然后利用EEMD分解和皮尔逊相关系数等数学方法对暂态零序电流进行预处理,提取出零序特征电流后,并计算出各线路零序特征电流Hilbert边际谱的能量熵构成特征向量。最后将故障特征向量输入到SVM分类器中,判断出故障线路,但是由于SVM使用RBF核函数时的两个参数仅凭经验设定,会对选线的准确率造成影响,本文又利用遗传算法对SVM的关键参数进行寻优,从而达到提高选线准确率的目的。为了验证本文所提选线方法的有效性以及准确性,在仿真模型中对多种故障情况进行模拟计算,得到多组故障特征向量,分别输入到SVM和GA-SVM中进行训练和测试,对比分类结果,验证了GA-SVM的优越性以及本文所提选线方法的有效性和准确性。此外,针对单相接地故障试验中不同接地介质下故障的暂态零序电流进行了故障特征提取,通过对比能量熵值,证明了本文所提选线方法具有较好的适用性。