低压系统发生短路时,若不对短路电流加以有效限制,则会对线路、设备乃至人身安全造成严重危害,这就需要将短路故障特征及早且有效提取出来,在短路电流发展起来之前实现短路早期辨识,并能够快速且准确地隔离短路所在线路,而采样信号往往包含噪声干扰,这些噪声会影响短路故障特征量的准确提取。本文针对滤波算法发展趋势存在的不足和短路故障辨识发展的不完善,在实验室系统能够模拟实际低压配电系统的正常运行状态下,找出一种有效滤波方法,并对故障线路及其相邻支路的早期检测进行仿真分析及其技术实现,在此基础上,对短路电流预测方法进行深入研究,主要完成了以下研究内容:(1)在现有实验系统的基础上,设计本文所需的实验方案并搭建相应的实验平台,以单相短路故障为主,建立相应的短路故障实时仿真模型,并初步分析短路电流特征。通过将故障支路与其相邻支路、上级支路的电流波形相比较,阐述短路早期辨识的必要性。(2)选用均值滤波、中值滤波、数学形态滤波、小波滤波四种滤波方法,分别在不同负载、不同工况、不同信号干扰源下进行对比分析,找出一种滤波效果好、更适用于低压配电系统且易于在上位机实现的滤波方法。(3)本文的短路故障早期辨识是基于小波包细节分解算法,并利用仿真模型得到的电流数据分析该算法对短路早期辨识的有效性及快速性,通过NI Compact-RIO系统的FPGA模块对所述辨识方法加以技术实现,并经实际实验验证短路早期辨识方法的有效性、速度性与实时性。(4)结合低压配电线路短路时的特点,引入灰色预测模型GM(1,1)研究短路电流峰值预测方法,建立了基于GM(1,1)的短路电流峰值预测模型。以故障电压初相角和实时采集到的短路波形上的电流值作为模型的输入特征量,第一峰值和第二峰值作为输出特征量,对预测模型进行实时测试,表明该预测方法能够实时在线地实现短路电流峰值的预测。综上所述,本文研究了不同滤波方法在不同负载、工况、信号干扰源下的滤波情况,在此基础上,通过小波包细节分解算法实现了短路故障的早期辨识,并基于短路早期辨识研究了短路电流峰值预测方法,为低压配电系统的全范围选择性协调保护提供技术基础。