输电线路是连接发电厂与用户之间的电能传输桥梁,是供电系统的大动脉。为了居民生活的方便与安全，输电线路一般都架设在偏远的山区，长期处于恶劣的环境下,因此故障频发。一旦发生输电线路故障,不仅会造成居民生活的不便，影响工农业生产,并且还会危及电力系统的安全运行、从而引发严重的电力事故。因此,及时、可靠地识别出发生何种故障,可以提早恢复供电,还能降低因停电造成的经济损失。本课题叙述了输电线路故障识别方法的研究现状，对各识别方法的原理以及步骤等内容进行了分析与对比，发现了在故障识别过程中的缺陷。针对这些缺陷，本文提出了一种基于Elman神经网络的输电线路故障识别方法。首先通过建立MATLAB故障仿真模型，得到各类型故障信号；然后针对三相线路的电磁耦合现象，对故障电流进行相模变换，得到1模分量；再对该分量进行LMD分解，得到相应PF分量；计算各PF分量的1（1/2）维谱熵值，得到故障特征向量；最后将特征向量输入到经过样本训练的Elman神经网络中，实现输电线路故障类型的识别。本文提出的故障识别方法以LMD分解作为故障信号的处理方法，该识别方法通过8个具有明确物理意义的故障信号PF分量-1（1/2）维谱熵，完整清晰地表征了故障特征，能够快速准确的判断故障类型及选出故障相。对比其它方法，该识别方法具有更快的识别速度、更高的识别率，并且识别结果不受过渡电阻、故障位置、相差角等线路参数的影响。通过大量的仿真实验，验证了本文的提出的方法在输电线路故障识别中应用的可行性和有效性。