随着人们对于电力能源的越发依赖,在日常生活、生产过程中无时无刻都需要电。对于用户来说,配电网是电能输送的末端。如果在配电线路中出现故障,就会直接影响到客户。因此保障配电线路的安全运行是一个重要的问题。实现配电线路绝缘状态的在线监测并及时提出故障预警信号,这对电能的安全输送具有非凡的意义。本文在介绍了国内外对于配电线路故障诊断的研究现状的基础上,以神经网络为基础,结合相平面和小波包在波形处理方面的优秀能力,对配电线路的绝缘劣化值进行预测,描述何时该进行预警等方面进行了研究。针对配电线路的绝缘预警要采用什么算法来预测这个问题,由于GA-BP神经网络在预测方面的优越性,本文采用了GA-BP神经网络作为理论基础,定义了绝缘劣化值的概念,并提出了用来描述当下暂时性接地故障绝缘状态的特征量:故障持续时间、故障波形特征量、相邻两次故障是否在2个小时之内等。从而通过GA-BP神经网络建立了绝缘状态的特征量与绝缘劣化值之间的映射关系。本文采用的是某公司生产小电流接地故障记录装置,故障持续时间和相邻两次故障的时间差可以直接提取得到,然而故障波形特征量并不能通过计算机观察得到,必须得经过信号处理工具。针对故障波形特征量提取的问题,本文采用了两种方法。第一种是相轨迹的方法,把当下发生的暂时性接地故障波形进行相平面的映射得到相轨迹,对相平面进行分区,算出各个区域内离散点所占的百分比作为故障波形特征量。第二种是小波包变换的方法,把当下发生的暂时性接地故障波形进行分解,从中提取了基频分量的幅值、谐波畸变率及能谱熵三个特征量来表征。对于第一种方法所提取的是全部暂时性接地故障波形,导致预测的范围相对较大这个缺点,第二种方法进行了优化,采用基频分量的幅值剔除了部分暂时性接地故障数据,从而提高了算法的预测精确度。通过调研得到的某电力企业的历史接地故障数据进行算法的验证,采用两种方法都可以相对准确的预测出当下本条馈线暂时性接地故障的绝缘劣化值,并保持在一定的误差范围内。根据配电网本条馈线在阈值方面的设定并及时提出预警,可以使供电局调整好停电的时间和准备维护或者更换设备,确保供电的连续性,提高供电效率。