配电网与用户紧密关联,在运行过程中容易与树枝或地面等介质接触而引发单相高阻接地故障。当此类故障发生后,由于故障电气量微弱,其故障特征难以被传统保护设备识别出,若故障切除不及时则会引发火灾、大范围停电、人员触电等严重事故。本文针对这一难题,对配电网单相高阻接地故障识别方法进行了研究。本文揭示了配电网谐振接地系统单相接地故障的物理机理和特征,研究了典型高阻故障的主要特点。在PSCAD/EMTDC中搭建了10k V配电网仿真模型,遍历不同的故障条件,根据仿真结果讨论了故障线路、健全线路的零序电流变化特点。考虑到实际配电网监测的高阻故障信号可能被噪声淹没而导致提取的故障特征混乱问题,采用鲁棒独立分量分析算法消除噪声干扰,通过实验对比和实测案例测试,结果表明该算法的去噪效果要优于传统的EEMD去噪和小波阈值去噪方法,能有效地滤除现场量测信号所含噪声。为提取高阻接地故障的时频域特征,对故障信号进行小波分析,引入小波系数能量百分比与小波熵权特征,实验结果表明提取的特征量有利于高阻故障识别。以核极限学习机（KELM）为基础,采用改进鲸鱼优化算法（IWOA）对其参数进行了优化,提出了基于IWOA-KELM的高阻故障识别方法。通过鲁棒独立分量分析对各线路零序电流信号进行去噪预处理,提取小波系数能量百分比与小波熵权共同作为网络的输入特征向量。通过实验对比小波系数能量百分比与小波熵权特征单独作为输入向量以及共同作为输入向量对应的输出分类准确率,结果表明将二者共同作为输入特征向量有着更高的识别准确度。将本文采用的IWOA-KELM算法与其他传统分类算法进行对比,结果表明本文所提方法能有效地从其他相似扰动工况中识别出高阻接地故障,且具有更高的准确率和更好的抗噪性能。最后,通过实测案例对本文采用的高阻故障识别方法进行了验证,结果表明该方法具有一定的实用性。该论文有图53幅,表18个,参考文献113篇。