电力系统发生大范围复杂故障后，仅仅依靠来自SCADA系统的保护、开关接点的变位信息，调度人员难以做出准确判断；来自故障录波装置记录的模拟量信息越来越成为故障诊断和系统恢复的重要依据。为了进一步提高超高压输电线路故障类型识别率和计算速度，本文利用提升小波和RBPNN网络构造了新的小波神经网络故障识别模型，应用bior3.1提升小波对故障电流进行分解，将分解到的(0,375)Hz频率段的小波系数输入到RBPNN神经网络。通过ATP仿真数据的测试和比较，结果表明该模型具有很高的识别率和收敛速度，并有望将该模型应用到电网故障诊断系统。 国内外大量文献已经就输电线双端和多端测距做了相当多的研究工作，并提出一系列的解决方案。针对目前关于多端测距的文献存在故障分支误判、不适用于录波数据、适用接线方式受限等缺点，本文提出了两种多端测距算法：一种是基于集中参数，只用故障电压分量的测距算法，测距结果不受故障后CT饱和的影响；另一种是基于分布参数、利用工频电压电流量建立分式型测距迭代公式的测距算法，有较好的鲁棒性。大量仿真和电网真实故障录波数据验证了这两个算法的有效性。