随着我国国民经济的飞速发展,电力电缆的应用越来越广泛。电能在工业和民用领域中起着越来越重要的作用,对传输电能的载体——电力电缆的需求也越来越大。然而在我国的一些电缆生产厂家中由于电力电缆的制造工艺、产品质量、安装运行环境等原因,导致生产出来的电力电缆质量达不到国家电缆生产执行标准的要求,或者在长期的使用过程中造成电缆的磨损等,会在使用的过程中给用电企业和用户带来巨大的损失,更可能会危及人民生命和造成财产损失。因此,快速准确的检测电力电缆故障,找到故障位置,对于电力系统的稳定运行和保证用户的用电质量,具有十分重要的意义。论文以电力电缆故障分析和测距为内容进行系统的分析研究,电力电缆故障测距现在经典的方法是采用行波法,故障波形由现场得到,难于进行系统的分析研究。论文以支持向量机理论为基础,提出了一种新的故障测距方法——基于支持向量机的故障测距法。支持向量机是一种基于统计学习理论的模式识别方法,克服了神经网络和传统分类器的过学习、局部极值点和维数灾难等诸多缺点,具备较强的泛化能力。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。最后借助ATP仿真平台,给出了电力电缆故障的仿真模型和故障测距的计算过程,对电力电缆故障信号进行了定性的分析,得到了较好的实验结果。