提出了一种基于原子稀疏分解(ASD)和极限学习机(ELM)的故障线投票选择方法。 首先,它采用ASD算法在前两个周期分解每条馈线的零序电流,并选择前四个原子分别构建主成分原子库,基本原子库和暂态特征原子库1和2。 并运用信息熵理论计算了原子库。 得到信息熵的度量值。 它构建了四个ELM网络来训练和测试原子样本,然后获得每个网络的准确性。 最后,将ELM网络输出和置信度结合起来进行投票,然后比较投票数以实现故障线选择(FLS)。 仿真实验表明,该方法的准确度为100%,不受故障距离和过渡电阻的影响,具有很强的抗噪声干扰能力。