1.一种小电流接地系统单相接地故障选线方法，其特征在于：包括以下步骤：S1.在变电站内采集各回出线的三相电压V和三相电流I，计算出各回出线的有功功率P、无功功率Q、功率因素 保存各参数；

S2.根据保存的参数获取特征矩阵X*；

S3.构造深度信念网络DBN；

S4.将特征矩阵X*输入到DBN进行训练，获取适用于故障选线的DBN；

S5.进行故障选线。

2.根据权利要求1所述的一种小电流接地系统单相接地故障选线方法，其特征是步骤S1中通过三表法对三相电压V和三相电流I进行采集，在每周波采样s个点，则各参数计算如下：其中Va、Vb、Vc为三相电压，Ia、Ib、Ic为三相电流。

3.根据权利要求1所述的一种小电流接地系统单相接地故障选线方法，其特征是将各参数与前一个参数进行比较，若两者之间的差值大于等于0.001，则对该参数进行保存，若两者之间的差值小于0.001，则不保存。

4.根据权利要求2或3所述的一种小电流接地系统单相接地故障选线方法，其特征是步骤S2中特征矩阵X*获取的过程包括：S21.将保存的原始运行参数组合，形成原始数据矩阵X，其形式为[正常状态运行参数；L1故障状态运行参数；L2故障状态运行参数；…LN故障状态运行参数]，分别对应X0、X1…XN，L1-LN为出线编号，每种状态均有Ia、Ib、Ic、P、Q、六个参数，其中xN,mn表示第N种状态下，运行数据矩阵中第m行、第n列的元素，其中n＝1、2、…、6N，分别表示Ia、Ib、Ic、P、Q、 m值根据实际采集的数据量设定，N为变电站母线上的出线回路数；

S22.采用min-max标准化方法对原始数据矩阵X进行归一化，获得特征矩阵X*，其中x为X中的元素，xmax、xmin分别为x所在行的元素最大值和最小值，x*为x归一化后的值，其在矩阵X*中位置与x在矩阵X中的位置相同。

5.根据权利要求4所述的一种小电流接地系统单相接地故障选线方法，其特征是在原始数据矩阵X中，若某一参数对应的行、列为空，则用该参数上一行、同一列的参数进行填充。

6.根据权利要求1或2或3或4所述的一种小电流接地系统单相接地故障选线方法，其特征是步骤S3构造深度信念网络DBN的过程包括：通过堆叠多个受限玻尔兹曼机RBM构造深度信念网络DBN，确定DBN层数为5层，依次为1个输入层、3个隐藏层和1个分类层，各层节点数依次为6N-800-800-2000-N+1。

7.根据权利要求5所述的一种小电流接地系统单相接地故障选线方法，其特征是步骤S4具体过程包括：S41.对于DBN前四层，采用对比散度算法，通过非监督贪婪算法逐层进行训练，获得3个隐藏层的输出值、各层之间的权值和各层的偏置值；

训练过程中，前一个RBM的输出层即隐藏层作为后一个RBN的输入层即可视层，则RBM的能量函数表示为：Eθ(v,h)＝-aTv-bTh-vWhT，v表示可视层节点的状态向量，

h表示隐藏层节点的状态向量，

W表示可视层节点与隐藏层节点的连接权值矩阵，a表示可视层节点的偏置向量，

b表示隐藏层节点的偏置向量，

θ＝{W，a，b}表示RBM的参数；

状态(v，h)的联合概率分布为：

由此获得可视层和隐藏层之间的调节概率分布分别为：其中

RBM的训练步骤为：

a.输入一个数据样本x0，设置学习率ε，最大训练周期t；

b.随机初始化θ＝{W，a，b}；

c.令v1＝x0，根据式(2)计算Pθ(h1j＝1|v1)，得到隐藏层h1；

d.将h1代入式(1)，计算Pθ(v2i＝1|h1)，得到可视层v2；

e.计算Pθ(h2j＝1|v2)，得到h2；

f.更新RBM参数θ：

ΔW＝ε(Pθ(h1＝1|v1)v1T-Pθ(h2＝1|v2)v2T)Δa＝ε(v1-v2)

Δb＝ε(Pθ(h1＝1|v1)-Pθ(h2＝1|v2))θ＝{W+ΔW,a+Δa,b+Δb}；

g.若未收敛，且迭代次数小于t，则重复步骤c-f，直到结束；

S42.按照步骤S41中RBM的训练步骤，完成所有RBM的训练；

S43.按照softmax模型，采用有标签数据，通过反向传播算法BP对网络进行调优，其中，数据标签y与出线数量N相关；

S44.训练完成后，获得适用于故障选线的DBN选线模型y＝fθ(X)，模型参数为最终训练获得的θ＝{W，a，b}。

8.根据权利要求1所述的一种小电流接地系统单相接地故障选线方法，其特征是步骤S5中故障选线过程为：在某条出线发生单相接地故障时，执行步骤S1-S2，然后将获得的特*征矩阵X输入到步骤S3中获得的DBN选项模型y＝fθ(X)，统计出y中无接地、出线1接地、出线

2接地、…、出线N接地标签的数量，数量最多者为发生单相接地的出线。