摘要：針對輸電線路短路故障危害大,故障識別率較低的情況,提出基于變分模態分解(VMD)樣本熵與核極端學習機(KELM)相結合的輸電線路故障診斷方法,提高輸電線路故障診斷的正確率。首先,采用VMD對故障后的三相電壓進行分解,得到一系列三相平穩的模態分量;其次分別計算每組各分量的樣本熵值,作為輸電線路故障提取特征,組成樣本庫;以提取的輸電線路故障特征輸入到核極端學習機進行訓練,獲取診斷模型,然后比較其與極限學習機(ELM)、支持向量機(SVM)和BP神經網絡的診斷效果。仿真結果表明,VMD樣本熵+KELM的輸電線路故障診斷模型精度高于其他3種算法,且運算速率更快,噪聲魯棒性更好。