同杆双回线因其传输容量大、占用土地资源少以及节约成本等一系列优点被广泛运用。距离保护由于受系统运行方式影响较小、灵敏度高等优点,成为了同杆双回线的主保护。同杆双回线两回线间的距离较近,两回线间存在较强的互感,互感的存在使得同杆双回线两回线的电气量相互耦合不再独立。而距离保护都是以每回线作为保护单元进行配置的,当同杆双回线发生故障时,由于单元配置的距离保护无法获取到相邻回线的电气量,同时,为了两回线保护的独立性也不允许引入相邻回线的电气量,因此无法消除互感的影响,这就导致了无法准确的进行故障选相以及故障定位。目前仍未有较好的解决方案,因此研发出仅利用单端单回线电气量就能在同杆双回线中准确进行故障选相以及故障定位的方法具有重大意义。传统的同杆双回线故障选相方法都是基于模型的方法,即根据所建立的同杆双回线数学模型提出故障选相判据以进行故障选相。基于模型的方法仅解决了故障选相中的部分问题,同时故障选相判据中存在大量依托工程经验整定的阈值,在实际使用中,这些阈值整定困难且易受到线路参数、负载等的影响。为此,提出了属于数据驱动领域的基于卷积神经网络(Convolutional Neural Network,CNN)的故障选相方法。基于CNN的故障选相方法不需要建立精确的数学模型,也不需要故障判据,可以自动的从故障数据中提取故障特征,而后根据提取的故障特征进行故障选相。首先,为了使得CNN充分的学习到不同故障类型的故障特征,在PSCAD中建立了同杆双回线故障仿真模型以批量仿真到海量的故障数据。其次,将仿真得到的故障数据处理为适合用于训练CNN的格式,并对CNN进行训练以及CNN超参数的寻优。最后,对最优超参数下CNN的性能进行测试。测试结果表明,基于CNN的故障选相方法具有很高的选相准确率,仅利用单端单回线的电气量就可以准确识别出线路全长任意位置故障时的故障相,选相性能明显优于基于模型的故障选相方法。相邻回线零序互感可达本线线路自感的50%-70%,当同杆双回线发生故障,尤其是单相接地故障时,零序互感严重影响故障定位准确度。为了在同杆双回线发生单相接地故障时能够精确定位出故障位置,首先对同杆双回线的零序解耦网络进行分析,将相邻回线零序电流用故障位置和已知电气量进行表示。然后,分别在考虑过渡电阻和不考虑过渡电阻的情况下,先推导出不动点迭代形式的故障定位方程,再改进得到牛顿迭代形式的故障定位方程。最后,通过数字仿真对所提出的故障定位方法进行验证。理论分析和仿真结果表明,所提出的故障定位方法迭代速度快,可以准确的定位出故障位置,不受工况以及过渡电阻的影响。最后,提出了一种在仿真环境中对所提算法进行虚拟在线验证的方法,以同杆双回线单相接地故障定位方法为例,阐述了在仿真环境中进行虚拟在线验证的实现过程。首先,在PSCAD中利用自定义模块建立虚拟保护装置;然后,在虚拟保护装置内利用C语言实现了本文所提出的基于牛顿迭代的故障定位方法;最后,对所提故障定位方法进行虚拟在线验证。所提出的虚拟在线验证方法能有效地用于验证本文提出的基于牛顿迭代的故障定位方法。