随着人们日常生产生活对电能需求的增加和社会经济的不断发展,电力输电网络变得越来越复杂。从节约投资以及其他客观条件限制等方面考虑,T接输电线路因其接线方式的独特性,被广泛应用于高压和超高压电力输电网中。由于T接输电线路常连接着大系统与大电厂,其线路传输的功率高,因此当线路故障时,有可能导致大面积停电事故。为防止因输电线路故障引起事故的进一步扩大,以及减小因停电造成的经济损失,就要求能够快速、准确地诊断故障,进而排除故障。传统基于工频量的故障诊断方法因计算数据窗较长而无法实现对故障的快速诊断,且故障诊断的灵敏度易受其他变量的影响。基于暂态量的故障诊断方法因其可以实现快速保护动作而受到人们的广泛关注,但现有方法大都未对算法性能进行进一步分析,且故障诊断的精确度有待提高。为此,本文通过分析T接输电线路故障时的电气量特征,对其故障诊断方法开展相关研究,主要研究内容如下:针对T接输电线路区内外故障时的电流反行波特点,研究了一种基于电流反行波多尺度S变换能量熵结合极限学习机的T接输电线路故障支路识别方法。对T接输电线路各行波保护单元测量到的故障反行波进行S变换,分别计算8个不同频率下的反行波能量熵,并按特定序列将计算结果组成可表征T接输电线路各支路故障的特征向量。结合极限学习机建立T接输电线路故障支路识别模型,并利用仿真得到的特征样本集对其进行训练与测试,识别T接输电线路的具体故障支路。针对T接输电线路区内外故障时的功率分布特点,研究了一种基于多尺度行波有功功率结合概率神经网络的T接输电线路故障识别方法。基于S变换分别计算区内各行波保护单元多个频率下的初始行波平均有功功率,并按特定序列将计算结果组成可表征T接输电线路各支路故障的特征向量。结合概率神经网络建立T接输电线路故障支路识别模型,并利用仿真得到的特征样本集对其进行训练与测试,识别T接输电线路的具体故障支路。研究了一种基于电流故障分量特征结合随机森林的输电线路故障类型识别方法。分别在多个短时序列下计算三相电流故障分量能量相对熵与零序电流故障分量能量和,并按特定顺序将计算得到的结果组成特征向量,并以此表征输电线路故障类型的特征。结合随机森林建立输电线路故障类型识别模型,并利用仿真得到的故障特征样本集对其进行训练与测试,识别输电线路的具体故障类型。研究了一种基于故障电流复合特征结合支持向量机的输电线路故障类型识别方法。首先对采集的三相电流故障分量进行类克拉克相模变换,然后再分别求取两两模量电流之间的欧几里德距离、余弦相似度以及Pearson相关系数,最后按特定顺序将计算的结果组成特征向量,并以此表征输电线路故障类型的特征。结合支持向量机建立输电线路故障类型识别模型,并利用仿真得到的故障特征样本集对其进行训练与测试,识别线路具体故障类型。