本发明公开了基于广义回归神经网络特高压直流输电线路故障检测方法，基于广义S变换提取出频域下的故障特征量，构建广义回归神经网络的输入数据；将样本数据进行归一化处理，分成测试集和训练集两个样本；利用混沌量子粒子群算法优化广义回归神经网络参数，以适应度函数最低为原则形成理想的网络模型，更好地学习特高压直流输电线路故障特征；将深层的特征量输入到Softmax分类器中进行分类，把故障识别分成区外故障、母线故障和线路故障，故障分类为正极故障、负极故障和双极故障，输出识别结果。本发明实现了特高压直流线路的区外故障、母线故障、线路故障、正极故障、负极故障、双极故障等不同故障的准确识别，故障检测速度快。