目前配电网小电流接地系统发生故障时,单相接地故障发生概率高达83%。由于单相接地故障特征不明显并且受各种随机因素的影响,小电流接地系统单相接地故障选线准确率仍然不高。提高单相接地故障的选线精度可显著提高供电恢复能力,提升用户满意度并降低因单相接地故障突发停电造成的损失。针对小电流接地系统单相接地故障时受噪声干扰、故障类型和故障样本数量等影响造成选线精度低的问题,提出了一种基于改进堆叠去噪自编码网络(Stacked Denoising Auto-Encoder,SDAE)的单相接地故障选线方法。首先,通过分析单相接地故障零序电流暂态和稳态特征,提出信号-图像转换的数据预处理方法,即在没有预定义参数的情况下构造出原始故障数据的二维特征,并通过归一化避免了不同单相接地故障条件下零序电流的幅值差异。其次,基于度量学习限制目标函数的方法改进SDAE,通过常数项惩罚数据样本对之间的度量距离,并作为正则化项限制目标函数以克服单相接地故障数据样本之间的类内多样性以及类间相似性问题,使其适用于小样本情况下单相接地故障选线。最后,基于Matble/Simulink搭建小电流仿真模型,通过在不同故障情况下进行仿真获得故障样本集,同时采用多层无监督自学习和监督微调实现故障特征自动提取与故障选线,并引入Dropout技术提高模型的泛化能力。仿真验证了改进SDAE模型在不同故障位置、故障类型、故障电阻、噪声干扰、样本数量和中性点接地方式等情况下的有效性,并且选线精度高于传统的CNN和SDAE等深度学习算法。