随着我国的快速发展,输电线路遍布各地,由于输电线路暴露在室外并且受到环境因素的影响,容易发生故障。但是故障原因通常不易辨识,因为输电线路所在地形复杂,人员巡线不易,花费时间较长,给用户造成许多不便。所以输电线路故障原因辨识的研究在当下具有十分重要的意义。本文研究了六种输电线路故障,分别为:雷击、吊车碰线、鸟闪、污闪、树闪及山火。通过深入的研究,发现故障录波数据以及环境因素与故障原因有着重要的关联,所以从故障录波以及环境中提取故障特征,再进行故障识别。因为故障特征与故障原因之间的关联十分复杂,所以本文采用三种算法,分别为支持向量机、BP神经网络,深度学习来进行识别。三种算法的输入为故障线路的发生时间、发生季节、天气情况、过渡电阻阻值、零序电流与零序电压的谐波分量,故障相电流过零点的畸变情况,三种算法的输出为故障原因类别。为了比较三种算法的辨识效果,本文建立了支持向量机算法模型、BP神经网络算法模型和深度学习算法模型,将某省的大量数据投入其中,进行训练与测试,通过比较得出深度学习算法的故障原因辨识率最高,并且在采用了DS证据融合之后,深度学习的识别率更加稳定。