目前国内3~66kV的配电网选择小电流接地系统居多,即中性点不接地以及经消弧线圈接地的方式。在该配电网系统中,单相接地故障的故障率很高。出现故障问题时,虽然故障相的对地电压减小,但非故障的两相电压变大,线电压依旧是对称状态,即短时间内并不会对连续供电造成影响。但若继续保持故障状态长时间运行,会导致绝缘受到损坏,进而引起两相甚至多相短路故障的发生,产生严重后果,需要快速判断出故障线路做出修复处理。因此研究出一种准确、快速的选线方法对变电设备以及电网的安全经济运行起到决定性作用。首先针对国内外的研究现状做出归纳分析,确定了利用人工智能等思想进行故障选线是该领域未来的研究趋势。然后通过对小电流接地系统单相接地故障进行稳态分析和暂态分析,确定了线路故障前后的特征,为选线方法提供了思路和依据。针对如何提取故障特征信息,引入了变分模态分解法(VMD)来对故障信号进行处理,通过仿真实验与经验模态分解(EMD)进行对比,验证VMD分解的可靠性与优越性,并结合线路故障后的特征提出了利用VMD分解计算线路故障后的能量大小来进行故障选线的方法。为了提高选线的准确性快速性,实现选线智能化,引入了神经网络的思想。在算法方面,在RBF神经网络的基础上选择了狼群算法(WPA)进行优化处理,来弥补RBF神经网络本身所存在的不足。然后针对传统狼群算法所存在的问题进行完善,提出了改进的狼群算法IWPA,引出了一种VMD-IWPA-RBF优化的选线方法。最后,通过建立仿真模型,对VMD-IWPA-RBF选线方法进行验证。通过与传统狼群算法以及其他算法下的选线方法进行仿真实验对比,证明了提出的该选线方法具有准确性更高、快速性更好、精确度更强的优点。该论文有图30幅,表2个,参考文献63篇。