1.智能在线式配电网接地故障定位方法，其特征在于该配电网接地故障定位方法包括以下步骤：S1)同步采样：所述同步采样为基于GPS的同步采样，即所有装置的采样脉冲均是经过GPS的1pps同步的，保证所有装置的采样和录波数据的同步性；

S2)基于DFT递推算法的启动：采用DFT递推算法计算采集的电压和电流信号，判断通过递推计算得出的Xm(k)在一段区间内是否发生变化，若比设置的幅值明显增加10％，则出现疑似故障信号，开始启动故障录波；

S3)基于时频模的瞬时信号的准确提取：对记录下来的数据采用S变换将时域信号变换为含有时频特征的模信号，利用故障时的暂态信号减去稳态量准确提取故障信号；

S4)基于概率神经网络的故障分类：基于统计学中的概率密度函数的非参数估计方法，用故障样本集训练PNN网络分类模型，准确高效的分类出待识别样本的类别；

S5)基于行波传输理论的故障区段定位：对截取故障线路采集到的故障后半个工频周期的信号，通过用S变换分析两个时间序列的相位移动，推断出波形运动的相位变化，提取故障点的特征频率f，利用公式计算对应的故障距离为S。

2.根据权利要求1所述的智能在线式配电网接地故障定位方法，其特征在于：所述步骤S1)中，同步采样方法为基于GPS的同步采样，具体包括：(A1)用GPS接收器发出的1HZ频率的方波同步脉冲信号PPS作为ADC时钟同步信号，保证ADC时钟前沿与GPS同步；

(A2)在同步的时间基准上的同一时间产生采样脉冲信号，确保各装置采样的同步性；

(A3)装置接收GPS的1pps信号和时间标签，校准装置内部时钟。

3.根据权利要求1所述的智能在线式配电网接地故障定位方法，其特征在于：所属步骤S2)中，故障录波包含故障暂态过程，为了真实记录和还原暂态过程，选取故障前1/4个周波和故障后5/4个周波进行录波。

4.根据权利要求3所述的智能在线式配电网接地故障定位方法，其特征在于：所述步骤S2)中，基于DFT递推算法的启动方法的具体步骤为：(B1)x(n)的N点离散傅里叶变换，公式如下：

式中，x(n)是长度为N的序列，

(B2)DFT递推算法，公式如下：

式中，Xm-1(k)是0～N-1点的DFT，Xm(k)是1～N点的DFT；

(B3)采用公式(2)判断通过递推计算得出的Xm(k)在一段区间内是否发生变化，若高于设置门槛值10％，则出现疑似故障信号，开始启动故障录波。

5.根据权利要求1所述的智能在线式配电网接地故障定位方法，其特征在于：所述步骤S3)中，瞬时信号的准确提取的具体步骤为：(C1)对前面记录下来的数据进行S变换，公式如下：

式中x(t)是可能含有故障的电压/电流信号， 是高斯窗口，τ为控制高斯窗口在时间t轴位置的参数，f为频率，j为虚数；

(C2)调整可变窗口参数τ，f得到不同模行波系列，选取模极大行波匹配故障点；

式中T为最大测量时间，k为谐波；

(C3)采集到的信号进行S变换求取时频模矩阵，时频模矩阵反映故障时时间—频率—模的集中突变的情况；故障信号用故障时的暂态信号减去稳态量，公式如下：

6.根据权利要求1所述的智能在线式配电网接地故障定位方法，其特征在于：所述步骤S4)中，基于概率神经网络的故障分类方法的具体步骤为：(D1)采用配电网模型，在模型中进行故障预设，拟对故障线路、接地相角、接地电阻、故障距离进行设定，建立一系列的故障样本，分别统计并得到配电网中正常情况、A路发生接地故障、B路发生接地故障以及C路发生接地故障的样本集；

(D2)将样本集按7:3的比例划分为训练集T和测试集Q，用于训练出较高准确率的故障分类模型；

(D3)PNN神经网络模型选择具有最大后验概率的故障类型由输出层输出，完成故障选线；

(D4)当在测试集验证结果有效时，将配电网实际运行过程中实时采集的样本输入模型，预测各线路发生接地故障的概率。

7.根据权利要求1所述的智能在线式配电网接地故障定位方法，其特征在于：所述步骤S5)中，基于行波传输理论的故障区段定位方法的具体步骤为：(E1)选取凯伦布尔变换矩阵进行相模转换，行波传播系数如下：式中，l表示导线长度，α表示行波沿线的衰减常数，β表示行波沿线的相位常数；

(E2)相位常数公式如下：

式中，Rm(w)、Lm(w)、Gm(w)、Cm(w)分别表示模量上单位长度线路在某一频率下的电阻、电感、电导和电容；

(E3)单端故障行波测距基本公式如下：

式中，v0为零模波速度，表示为v0＝ω/β0；v1为线模波速度，表示为v1＝ω/β1；

ΔT＝t0-t1，t0为零模波头到达测量点的时刻，t1为线模波头到达测量点的时刻。