国内特高压直流输电发展如火如荼,是输电系统非常重要的一个环节。由于其途经的地理位置十分复杂,输送距离又相对较远,在有故障发生时,精准且确切地检测和消除故障的能力对于输电的可靠性来讲十分重要,但当输电线路有故障产生时,单靠巡线员寻找故障点不仅时效性不高,而且诸如闪络之类的瞬态故障经常会对线路造成损坏,通常没有明显的损坏迹象,也大大增加了人工巡线的难度,因此本文提出利用MPGA-Elman网络来对直流输电线路进行测距。以云广特高压直流输电系统为研究对象,建立特高压直流输电模型。由于特高压直流输电线路发生故障时会产生故障行波,故障行波在固有主频率与故障距离之间存在一定关联,但固有主频受线路参数影响较大,提取精度较差。而在固有主频附近的频谱能量特征明显,且在过渡电阻不同、故障距离不同线路出现短路的情况下,频谱能量不同。基于上述原因,对仿真模型正极线路上出现短路时的故障电压进行提取,然后利用Karenbauer矩阵去耦合。解耦后的1模分量利用小波包进行分解重构,计算出各频带能量。鉴于Elman神经网络可以使故障距离和频谱能量这两个没有精确函数关系式建立一种模糊关系,本文利用Elman来对直流输电线路进行测距。由于各频带频谱能量值相差较大,不利于Elman网络收敛,引入能量比即每个频带能量值与频带总能量值的比值为网络输入。由于结构限制,Elman神经网络收敛速度很慢,容易收敛到局部最小值,因此采用多种群遗传算法(MPGA)来优化Elman网络的权值和阈值,加快Elman的收敛速度,一定程度上提高了时效性。将能量比作为故障特征量送入MPGA-Elman网络,经过训练的MPGA-Elman网络可用于故障测距。仿真结果表明,本文提出的基于MPGA-Elman神经网络在不同过渡电阻和故障距离情况下,故障测距误差都可以达到0.1%之内,收敛速度较于Elman和GA-Elman网络收敛速度有很大提升,实时性更好,可用于故障测距。该论文有图42幅,表7个,参考文献56篇。