随着人类社会发展对能源需求的不断增加，化石能源短缺的问题逐渐引起了人们的重视。可再生能源以分布式电源的形式规模化地接入到配电网中，改变了配电网的拓扑和潮流。在配电网发生故障后，对配电网的安全可靠运行提出了新的要求。
　　本文通过调研分析国内外现行配电网故障区段定位方法，基于遗传算法以及粒子群算法，提出了一种新的含分布式电源的配电网故障定位方法，论文主要工作如下：
　　首先给出了分布式电源的简介，包括风电、光伏及其它常见分布式电源的原理和性能特点，然后对分布式电源接入配电网的节点进行分类，分别为接入配电网母线侧、接入配电网馈线中间、计入配电网馈线末端，这三种接入方式对配电网的故障定位具有不同的影响，主要体现在对不同节点的故障电流判断上。
　　其次，针对传统配电网结构的特点以及故障发生时故障电流在节点上的流向，研究了基于遗传算法进行配电网故障区段定位的方法，提出一种网络结构分区域模型，该模型可以将无故障的无源树从网络结构中去除，从而降低算法的维度，提高遗传算法的计算速率。在此基础上给出其编码方式、开关函数和适应度函数，并通过仿真验证了其有效性。考虑分布式电源接入的情况，采用规定正方向的方式，更新了编码方式和开关函数，并在IEEE33系统中验证了算法的有效性。
　　最后，对粒子群算法和遗传算法进行了分析比较。为了提高收敛速度，减少迭代时间，改善收敛性能，研究了一种新的遗传粒子群算法：利用遗传算法全局搜索能力强而粒子群算法局部搜索能力强、收敛速度快的优势，在遗传算子变异的过程中引入粒子群算法，同时在遗传算法中，改进种群个体的交叉、变异概率模型，引入相似系数和调整因子提高算法的精确性；然后将粒子群算法中粒子更新的思想引入到遗传算子变异的过程中以提高算法收敛速度。同时本章在构建适应函数时，提出一种基于Pareto最优的多目标适应度函数，该适应函数可以很好的解决实际运算过程中存在的误判和漏判问题，使得算法的准确率得到很大的提高。仿真结果表明改进后的算法收敛速度快，准确性较高，能够高效快速的定位故障区段。