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。
