随着配电网的建设发展的不断加深,如何向用户更加安全可靠的供电变得越来越重要。单相接地作为配电系统中最常发生的故障之一,如何准确快速地实现单相接地的辨识有着重大的意义。目前,单相接地辨识大多是以扰动引起的系统零序电压的抬升程度为启动判据,然而配电系统中能够引起零序电压抬升的扰动往往不止单相接地一种,常见的还有雷击、单相断线、PT断线、铁磁谐振和三相负荷不平衡等,若要准确地将单相接地辨识出来,就要同时实现这几类扰动的辨识与分类。本文针对包括单相接地在内的能够引起零序电压抬升的六类扰动,提出一种基于大量先验知识的扰动辨识算法,并针对各扰动现场样本分布不均的问题,提出一种基于样本分布规律的样本扩充方法,具体工作如下:对可能引起单相接地误判的扰动进行机理分析,首先从发生机理出发分析各类扰动引起零序电压抬升的原因并将每类扰动可能出现的故障形式细分,不会引起零序电压抬升的形式不再关注;然后搭建各类扰动的模型,验证前面机理分析所得的结论,最后研究了各类扰动对于常用的两类定位算法的影响。从理论特征出发建立各扰动的辨识特征量。首先根据辨识顺序寻找每类扰动与其余扰动具有固有差别的理论特征,并在搭建的平台上进行验证;然后根据扰动识别中常用的辨识特征量对各类扰动的特征量进行补充;最后利用主元分析法进行特征的选择,根据累积主元贡献率确定各类扰动的最终辨识特征量。针对各类扰动现场样本分布不均提出基于大量先验知识的样本扩充和分类算法。首先考虑目前常用样本扩充方法smote算法的固有缺点,利用中心极限定理将样本数据正态化,提出一种基于分布规律和先验知识的样本扩充方法;然后针对分类算法不能识别未经训练的扰动类型,提出一种基于先验知识的决策树筛选环节,事先对输入到分类器中的样本进行筛选,将确定不是六类扰动的干扰滤除,并选择多核SVM作为最终的分类算法,并融入半径信息形成集成半径信息的多核SVM,通过与普通单核和多核SVM对比,验证了集成半径信息多核SVM的有效性。最后通过与其他算法的分类结果的对比,验证了本文提出的样本扩充方法和决策树筛选环节的有效性。本文针对可能引起单相接地误判的几类扰动进行辨识,在建立大量先验知识的基础上,针对各扰动现场样本分布不均的特点,创新地提出样本扩充方法和决策树筛选环节并与改进的多核SVM结合,对于单相接地的准确辨识有着重要意义。