以采样频率3200Hz取20ms内的64个数据点作为分析信号序列，通过改变幅值A的大小、频率f的倍数、算法延迟时间（从仿真开始，分别延迟一定时间再计算其近似熵值）及加入白噪声的倍数验证其与算法的关系，如图4所示。
图4 算法与不同因素的关系
由图4的验证，可得：
1）算法与幅值大小无关，幅值变大，熵值不变，即能克服现场定位幅值小的影响。
2）频率与熵值大小成正相关，频率越大，熵值越大，即能区分故障点两侧区段差异。
3）算法在一定程度上的时延可以忽略，当采用不同延迟时间的数据时，算法在短时间延迟影响不大，超过6ms延迟时，其误差超过20%，即能克服现场一定时间范围内两馈线终端（FTU）采样不同步。
4）算法具有抗噪能力，由于EMD具有一定抗噪能力，而近似熵对噪声不敏感，因此能满足现场定位不受互感器及电磁干扰的影响。
综上所述，本文所提算法适用于配电网故障诊断，进而为故障定位提供一种新方法、新思路。
