小电流接地系统发生单相高阻接地故障时电气量变化不明显,若处理不及时易引发大面积停电、火灾、人体触电等重大事故,因此,准确识别单相高阻接地故障具有重要现实意义。实际电网中高阻接地故障电流信号往往伴随有各种噪声,对故障特征的提取产生很大干扰;同时,单相高阻接地故障过程复杂,不同条件下的电气量幅值与畸变特性呈现出一定差异性,难以识别。针对上述问题,本文对小电流接地系统的单相高阻接地故障识别方法进行了研究。总结了单相高阻接地故障典型特征,分析了不同故障发生条件对高阻接地故障特征的影响。将实测高阻接地故障零序电流与低阻接地故障零序电流进行对比,总结了单相高阻接地故障的典型时频域特征。基于PSCAD/EMTDC平台搭建了小电流接地系统模型,对不同的高阻接故障模型进行对比,选取最能体现高阻接地故障特征的模型。以该模型为基础进行仿真,给出了不同故障发生条件下的单相高阻接地故障零序电流,为后续的去噪与识别工作奠定了基础。对常用电力信号去噪方法进行了比较,针对传统小波滤波法运算复杂、在强噪声环境下效果不佳的缺点,以传统数学形态学交替混合滤波器为基础,采用改进型最小均方算法对广义数学形态学去噪算法进行了优化。针对经验法选取结构元素不够精准的弊端,设计了一种基于RMSE评价标准的循环算法。分别以正弦波混噪信号及高阻故障零序电流混噪信号为算例,对比不同去噪方法的去噪效果,验证了本文去噪方法的有效性。以支持向量机为基础,采用改进型量子粒子群算法对其参数进行了优化,构建了基于改进型QPSO-SVM的单相高阻接地故障识别模型。针对SVM传统参数优化方法速度慢、精度低的缺陷,引入α值非线性异步递减策略对量子粒子群算法进行了改进,采用改进后的量子粒子群算法对SVM参数进行优化。对单相高阻接地故障与其他故障与工况进行了仿真,对比本文识别算法与其他算法的识别结果,验证了本文识别方法的有效性。给出了基于LMS-MM与改进型QPSO-SVM的单相高阻接地识别方法的设计思想与流程,以S省Z市某10kV不接地系统的实测故障零序电流为验证集样本,基于识别准确度与灵敏度两种指标,对本文单相高阻接地故障识别方法的有效性进行验证。结果表明,本文基于LMS-MM与改进型QPSO-SVM的单相高阻接地故障识别方法能够有效识别出实际故障样本中的单相高阻接地故障。