电力系统正常运行的破坏多半是由短路故障引起的，发生短路时，系统从一种状态剧变到另一种状态，并伴随产生复杂的暂态现象，测量得到的信号中包含大量的暂态分量。如何对这类信号进行有效分析，提取其特征，开发新型的保护装置，一直是电力系统保护技术中的重要研究领域。 电力系统的保护就是通过对故障进行快速的检测、定位，达到正确动作、消除故障的目的。目前，用于微机保护中的电力信号分析工具有FFT、Kalman滤波器、有限冲激响应滤波器等，它们对于平稳信号的分析是高效的，但在分析非平稳信号中有其局限性；尤其对非线性故障识别困难，如探测高阻抗非线性短路故障便是电力系统一个长期没有很好解决的问题。 本文提出一种利用小波变换提取信号特征进行分析，并结合神经网络来识别电力系统短路故障的新方法。该方法首先对测量信号作小波变换，提取特征量，作为多层前向神经网络的输入，对不同的输出要求，提出采用不同的神经网络，判断出发生故障的相位、性质和位置。集合小波理论和ANN的优点，实现保护智能化，提高保护的选择性、灵敏性及可靠性，保证电网稳定，提高供电质量。 仿真结果表明，该方法可行有效，故障识别准确；尤其较好地解决了高阻抗非线性故障的识别问题。