我国低压配电网多采用三级漏电保护,为实现保护的级差,第一级漏电保护器即总保护的整定值设为大于人体的致命电流,且其动作判据未考虑识别触电对象是否为生物体,存在生物体触电保护盲区。本文研究现有漏电保护器的动作判据及其用于实现第一级漏电保护所存在的缺陷,设计了一种利用大津算法（Otsu）及径向基（RBF）神经网络识别触电类型的方法,该方法可判断一旦发生生物体触电,则不考虑触电电流的大小,立即使漏电保护器动作,解决第一级漏电保护存在的保护盲区的问题。本文设计搭建了软件仿真模型,通过仿真模型模拟了生物体及非生物体的触电情况,记录保存触电电流波形。本文将触电类型识别方法分为数据特征提取、触电判断算法以及触电分类算法三个部分。其中数据特征提取简单介绍了取峰值谷值法、SVD奇异值分解和AE自编码器。触电判断算法简单介绍了Otsu大津算法和KNN最近邻分类算法。触电分类算法简单介绍了BP神经网络、RBF神经网络和SVM支持向量机。通过使用生物体及非生物体的触电电流波形来分别对触电识别模型的各个算法进行训练和测试,最终数据特征提取选择了取峰值谷值法,触电判断算法选择了Otsu大津算法,触电分类算法选择了RBF神经网络。本文设计并搭建漏电采集装置以及数据处理装置,编写相关数据处理程序。以水、泥土、树枝作为非生物体物体,以小白鼠代替生物体分别进行无触电、非生物体触电和生物体触电实验,记录无触电、非生物体触电和生物体触电相关波形,使用该波形对训练好的触电识别模型进行测试及验证。在无触电、非生物体触电和生物体触电实验中,该触电识别模型体现了较强的抗干扰能力,在多种环境下均能够较为准确地将触电对象分类识别。其中Otsu触电判断算法判断触电发生的准确率为100%,发生触电后对非生物体触电分类准确率为87.14%,对生物体触电分类准确率为95%。