针对现有技术存在的电缆早期故障检测困难、识别精度低的问题，提出了一种基于改进Elman神经网络算法的电缆早期故障分类识别方法。首先，从小波变换提取过电流信号的特征向量，作为Elman神经网络的输入向量，构建故障分类识别模型。为了防止训练过程中的过度装配和训练时间过长，Dropout技术被用于改善Elman神经网络。最后，利用PSCAD/EMTDC建立了仿真模型。结果表明，该方法能有效地识别电缆早期故障，具有较高的准确率。与BP神经网络相比，绩效有了显著提高。