电网结构调整和城市建设规范化要求使得越来越多的电缆线路投入到电网建设中,然而电缆线路的大量使用意味着其发生故障的概率也随之增大,电缆一旦发生故障,将对电力系统和人们日常生活带来极大危害。电缆敷设于地下,不易受外界环境影响,却增加了故障搜寻查找的难度,因此对电缆故障进行精确定位和准确诊断,有利于电力系统的安全稳定运行。针对电缆线路故障定位问题,本文先对影响电缆线路定位精度的三个主要因素进行总结与分析。基于ATP-EMTP三芯电缆频变模型,搭建10kV电缆线路供电系统并展开仿真研究。在采样频率方面,采用基于三次样条插值法提高定位精度的方法,通过算法间接提升系统的采样频率来弥补系统硬件的采样性能,从而减小因模极大值点落入采样间隔造成的波头到达时刻检测偏差提高定位精度。在波速方面,本文研究了两种行波波速在电缆故障定位中的确定方法,当近故障端高频传感器能够检测到对端母线的反射波时,采用基于二次反射波的波速修正法获取实时波速,当无法接收到二次反射波时,则利用频段中心频率的波速计算方法,仿真验证两种方法都能改善行波波速的影响提高定位精度。在色散效应方面,本文就色散效应导致两端高频传感器采集到波形不一致的定位误差问题展开研究,采用基于小波包提取算法提高定位精度的方法减小色散效应影响。选用受色散影响较小的电流线模分量小波包13层分解,则在每一个窄频段里色散效应将很微弱,将离故障点较远一端能量最集中的频段小波分解并重构,仿真验证该算法可以减小色散影响提高定位精度。最后综合上述考虑采样频率、波速以及色散效应影响的解决方法,分别设置不同故障距离、不同故障类型、不同接地电阻和不同噪声水平下的仿真情景进行故障定位,定位结果表明该方法能有效提高定位精度。针对电缆线路故障诊断问题,本文提出一种基于松散小波神经网络的电缆故障诊断方法。先利用小波分析作为神经网络预处理手段,再将特征向量输入BP神经网络进行学习训练并完成高频信号分类。仿真分析瞬时性故障、永久性故障、断路器合闸、非故障性雷击、故障性雷击和局部放电六种高频信号,得出它们的小波能量尺度谱,将归一化后的小波能量输入至神经网络,先进行模型的训练和学习,再将测试数据放入训练好的神经网络中,实现高频信号的分类即电缆线路的故障诊断。仿真表明故障诊断的平均正确率可达93.33%,验证松散小波神经网络在电缆故障诊断方面的可行性和有效性。由于电缆瞬时性故障的反复出现最终将导致永久性故障,因此识别出瞬时性故障也可实现电缆故障预警功能从而预防电缆永久性故障发生。