1.一种基于多维信息的电网故障区域定位方法，其特征在于：包括以下步骤：(1)首先将n个测量点的多维特征量表示成矩阵的形式，如下：其中，n代表样本个数，s代表故障特征量维数；则xsn代表第n个样本的第s维度特征量所对应的数值；

(2)对初始数据进行归一化处理，归一化的多维故障特征量矩阵X′为：(3)给出优化聚类分析的分类数c，设置迭代停止目标阈值ε，给出初始聚类中心P(t)，设定迭代初始值t＝0；

(4)基于优化聚类信息融合故障特征量的模糊隶属度μik(t)的迭代公式；

上式中，i表示c＝4中4类分类数其中的某一类，t表示迭代次数，k表示样本数n中的第k个，m表示加权指数，j为一个叠加量参数，表示上式分母是从j＝1一直叠加到j＝c，c表示优化聚类分析的分类数；

(5)根据以下的聚类中心Pi(t+1)的迭代公式进行迭代：(t) (t+1)

(6)聚类中心满足迭代停止目标阈值后，即||pi -pi ||<ε，其中，ε表示迭代停止目标阈值，算法停止并输出最优隶属度矩阵U和聚类中心矩阵P，否则令t＝t+1，转向步骤(4)；

(7)基于输出的最优隶属度矩阵U对样本进行分类，

在U的第k列中，如果 则将Xk′归为第i类，即将Xk′归为隶属度最大的一类中，最终将样本数据分成c类，其中，c表示聚类优化分析的分类数；

(8)基于多维故障特征量固有特性的类别判据：

将构建的多维算法空间通过聚类分析算法计算，将对数据进行分类，得到时域矩阵T与能量域矩阵E，时域维度下各分类中测量点特征值矩阵为：

其中，nc为第c分类包含的测量点数目，考量时域维度下任一分类下测量点特征值判据值：能量域维度下各分类中测量点特征值矩阵和特征值判据值为：

对T矩阵和E矩阵进行排序得到：

T′＝[Trank1 Trank2…Trankc]T,E′＝[Erank1 Erank2…Erankc]T上式中，Trank1与Erank1分别表示T＝[T1 T2…Tc]T,E＝[E1 E2…Ec]T中元素T1 ，T2 ，…Tc 与E1 ，E2 …Ec 中最小的，Trank2与Erank2分别表示T＝[T1 T2…Tc]T,E＝[E1 E2…Ec]T中元素T1 ，T2 ，…Tc 与E1 ，E2 ，…Ec 中第二小的，以此类推；1,2，…c表示聚类优化分析的分类数；

综合T′和E′结果得到分类测量点的具体归属，其中，同时满足T′中的最大值和E′中的最小值条件的分类样本归为故障区域；仅满足T′中的最大值或E′中的最小值条件的分类样本归为故障边界区域；不满足T′中的最大值、E′中的最小值、E′中的最大值和T′中的最小值条件的分类样本归为故障过渡区域；同时满足E′中的最大值和T′中的最小值条件的分类样本归为非故障区域。

2.根据权利要求1所述的基于多维信息的电网故障区域定位方法，其特征在于：所述聚类优化分析的分类数c＝4，分别为故障区域，故障边界区域，故障过渡区域和非故障区域。

3.根据权利要求1所述的基于多维信息的电网故障区域定位方法，其特征在于：所述迭代停止目标阈值ε＝10-5。