《10kV输电线路故障智能分类研究》为作者：夏向阳最新的研究成果，本论文的主要观点为人工智能领域的强化学习方法(Reinforcement Learning)能够以相对较小的样本数量实现高精度的分类，而交流输电线路故障分类是系统继电保护操作的重要环节，本文提出了基于FQL自适应学习的10kV交流输电线路故障分类方法。该方法在对故障隔离的强化学习不建立在以往采集的故障信息上，而是使用经验模态分解（EMD）来处理实时的电源和负载侧的原始电压和电流信号，用以生成包含了不同时间尺度下原信号的局部特征信号的本征模函数（IMF），进而采用C4。5算法将这些IMF修剪为用作FQL故障分类器的输入变量，最终得出准确故障信息。最后本文通过MATLAB仿真验证环节，将基于FQL的故障分类器，基于人工神经网络(ANN) 和支持向量机(SVM)的三类故障分类器方法进行比较，结果表明基于FQL的故障分类器的分类精度更高，可以作为10kV交流架空传输线故障判断的重要依据。现欲投《工程科学与技术》，不知是否符合录用要求，望您批评与指正。