提出了基于小波奇异值（WSV）和支持向量机（SVM）的电力系统故障类型识别的新方法。利用WSV来量化故障特征，再与SVM结合进行故障类型识别。对故障线路三相电流信号进行小波包变换分解，获取故障信号的小波细节系数；利用相重构技术将小波细节系数向量形成系数矩阵，并对该矩阵作奇异值分解，获取小波奇异值；将小波奇异值向量输入到SVM分类器进行故障类型识别。仿真表明，对于不同的故障类型，其小波奇异值分布明显不同，而对于同一类型故障，其小波奇异值分布在不同的故障位置、过渡电阻的情况下仍保持很大的相似性。SVM具有训练样本少、训练时间短、识别率高等优点。