近年来,随着近海可再生能源供能技术和储能技术瓶颈的不断突破,越来越多的学者看好近海微电网的发展前景。但是,近海微电网的快速发展也给其内部线路的故障诊断带来了巨大的挑战。本文就近海地区的气候特点故障成因进行分析发现,主要的影响因素有三种,分别是温度、湿度以及含盐度。本文首先根据线路发生故障时最先变化的是电气量信号这一特征来初步选定本文的诊断对象。其中由于暂态电气量信号不受保护拒动或误动的影响,含有丰富且直接的故障信息且故障点产生的电流行波发生反射后幅值将会增大,并且电流行波在传播过程中能量的衰减比较小,因此本文将故障电流信号作为诊断对象,不仅可以降低故障诊断的误报率,增强故障的识别能力,还能有效地避开建模的困难。然后本文根据暂态故障电流信号具有非线性、非平稳性这一特点,提出采用经验模态分解(Empirical Mode Decomposition,EMD)来处理信号。EMD虽然具有基于数据本身的适应性且降噪性能好等优点,但是依旧存在模态混叠等问题。为解决上述问题,通过查阅大量文献发现带有自适应噪声的完全集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)能够有效消除模态混叠等效应。因此,本文提出一种基于CEEMDAN的希尔伯特-黄变换(Hilbert-Huang Transform,HHT)的故障诊断方法。首先利用CEEMDAN有效地分解原始信号,得到各阶固有模态函数(Intrinsic Mode Function,IMF),接着利用希尔伯特变换提取相应分量的故障特征,同时也能辨识出行波的波头,基于此再结合三点测量方法测得波速,最终实现故障的识别与定位。本文利用PSCAD软件搭建微电网模型,并在该模型中设置故障点模拟微电网系统在运行过程中线路出现故障的情况,采集暂态故障电流的原始信号数据,最后利用MATLAB软件编程并对本文所提出的诊断方法进行验证分析,仿真结果证明了本文所提诊断方法的有效性。