针对电力系统故障选线中存在的故障信号幅值小、噪声干扰大、波形不稳定等问题，提出了在压缩感知理论框架下基于压缩感知的小电流接地故障选线新方法。通过Simulink搭建了10 kV电压等级的小电流接地模型，并在此基础上设置故障相，提取各条线路中的零序电流。利用压缩感知算法对所提取的零序电流进行压缩，从而得到压缩零序电流特征，并通过调整线路参数生成大量正常线路和故障线路中的压缩零序电流特征样本。最终，利用径向基神经网络构建了小电流接地故障选线模型。实验结果显示，该方法不仅具备较高的精度，还表现出较强的鲁棒性。

在故障选线的研究领域中，基于神经网络的电力系统方案一直备受关注。如您有兴趣深入了解更多相关内容，推荐查阅“神经网络电力系统”或“遗传优化神经网络在小电流接地系统故障选线中的应用”，这些资源对电力系统中的故障处理提供了详细的研究和应用案例。关于提到的小电流接地故障选线方法，您还可以参考“小电流接地系统单相接地故障及选线”及“基于小波去噪与改进RBF神经网络的小电流接地系统故障选线方法”以获取更多详细信息。这些文献和案例将进一步深化您对压缩感知算法和神经网络在电力系统故障选线中的应用理解。