2.3 性能分析
1）无需终端设备电流采样变比一致。
受限于电力设备招标采购，馈线自动化终端一般来自不同厂家，近几年设计的TA变比有100/5、50/5等不同类型，这将造成零序TA内部计算更新不及时，导致故障识别错误。而本文所提出的方法与信号幅值大小无关，所以既能减小计算量，又能避免其他算法因信号幅值小而导致的定位失败。
2）无需精确时间同步。
定位时从选线装置发现故障并启动终端设备一般需要一定时延，这将导致基于传统零模电流极性比较原理的定位方法不再适用，而本文所提的算法只要数据包含完整的波形即可，无需各检测点精确时间同步。
3）无需考虑干扰因素影响。
本文利用了EMD分解的前两个特征频段高频分量的近似熵值（因为该频段分量反映了故障暂态信息的主要变化趋势），保留了主要的高频信息分量，又滤去了原始信号中的无关信息，克服了传统算法噪声干扰的影响。此外，近似熵受容限阀值的约束，含有的噪声干扰一般都会被此约束而消除。
4）定位算法准确。
由于故障点前线路长度远大于故障点后，因此故障区段上游零模电流幅值大，频率低；故障区段下游幅值小，频率高。通过实际验证可得近似熵的取值与频率密切相关，频率越高则相应熵值越大。因此，故障区段两侧近似熵值差异明显，定位准确率高。
为进一步验证上述性能分析的可行性，定义式（3）为待分析信号。
式中：A为正弦信号幅值；f为该信号频率，取10Hz；N为均值为0、方差为1的白噪声。
