本项目旨在研究正确认识小电流接地系统的故障特征，开展基于零序电压启动的配电架空线路单相接地故障检测定位技术的应用研究，并提出一套完善的故障定位方案，提升故障选线定位准确性的同时，有效降低故障巡查的人力及物理成本。研发配电线路广域高精度智能广域电流传感器，实现电流量的高精度采集及录波功能；研发具备边缘计算功能的母线汇集单元，实时监测变电站母线零序电压，母线汇集单元能够与智能广域传感器实时通信。可发出故障录波指令，将波形数据预处理后，远传至云平台；提出基于电流突变幅值-瞬时无功极性的单相接地故障定位算法；搭建实验室测试平台，通过故障波形反演的方式，构建累计 48 种单相接地故障场景，测试项目所提出的故障定位算法的准确性。明确基于暂态电流特征的故障定位算法准确率远高于基于稳态特征的故障定位算法。在内蒙古电网选取典型中压配电线路，进行挂网试验，通过真实配电环境测试设备及算法功能及性能。考虑到数据孪生及机器学习在配电领域的应用日益深化。提出基于机器学习框架的配电系统故障识别及分类算法，并使用含 1.2 万条数据项的测试集进行测试，结果表明决策树算法及 XGBoost算法具有较高的故障分类及预测准确性。 本项目的创新点如下， （1）使用智能广域同步传感器及母线汇集单元的组合替换传统故障指示器及汇集单元。将母线汇集单元部署于变电站（安装过程不需停电），不仅实现了变电站母线零序电压的实时、准确、可靠采集，同时母线汇集单元分担传统配电自动化主站的启动传感器录波及零序电压、电流波形合成等边缘计算功能，有效缓解了配电自动化主站的数据处理压力。本质上，通过提升通信可靠性及测量精度，实现精确定位。 （2）通过收集模拟及实际单相接地故障数据，明确由于零序电流较小（10A以下），很难用于单相接地故障定位。且暂态法对于中性点接地方式不敏感，具有更强的适应性。借助项目研发的母线汇集单元，能够实时高精度测量各母线零序电压，以线路零序电压突变作为单相接地故障发生判据，再依据暂态功率特征实现故障选线及定位。大幅提升故障识别及定位的准确性。 （3）提出基于主流机器学习的配电线路故障识别的分类算法，通过含1.2万条的配电线路故障数据集，对算法进行测试，结果常用机器学习方法能够胜任故障分类及识别任务。 （4）提出基于教学优化算法-极限学习机（TLBO-ELM）的电力系统暂态稳定性混合预测模型。相较BP神经网络，极限学习机网络参数随机确定，训练过程中无需修正，大幅缩短训练时间。同时使用教学优化算法确定极限学习机最优参数。并使用UCI结果证明该模型的准确性。 (5)获得软件著作权2项，申请发明专利3项（已受理），获得实用新型专利5项（已授权）。发表科技论文5篇（3篇录用，2篇见刊）。 本项目在呼和浩特供电公司进行挂网应用，于2022年7月进入试运行，累计运行时间超过2个月，运行稳定，可快速识别配电线路故障，并及时将故障信息推送至运维人员，不仅提高了配电网故障识别的准确率，减轻了运维人员现场巡线负担。另外，项目算法能够大幅提升故障选线及定位的准确性，有效缩短了故障查找及恢复时间，有效提升了供电可靠率，应用效果良好。