配电网故障定位是快速准确处理配电网故障的重要保证,也是保证电力系统安全稳定运行的重要环节,它的发展与新理论、新技术的研究密不可分。本文结合BP神经网络在当前故障预测方面的优势,进行了BP神经网络、遗传优化BP神经网络(GA-BP神经网络)以及粒子群优化BP神经网络(PSO-BP神经网络)在配电网故障定位的研究。本文首先通过分析BP神经网络的基本原理,将基于BP神经网络的配电网故障定位方法成功运用到典型的手拉手配电网系统。同时考虑到目前多电源结构的情况,用模块区域划分的思想对多电源复杂拓扑结构进行分区,使其简化为多个单电源配电网模型,从而大大简化了配电网拓扑结构的复杂度。由于传统BP神经网络存在初始权值和阈值难以确定的缺点,导致收敛速度慢、易陷入局部极小值等弱点,无法达到目前配电网故障诊断的要求。为此本文通过遗传算法中选择、交叉和变异等操作对BP神经网络的权值与阈值进行优化,并将GA-BP神经网络在单电源配电网故障定位模型中进行Matlab仿真试验,结果表明GA-BP神经网络在配电网故障定位的有效性。粒子群算法在对神经网络的训练方面具有很大的潜力,其运行速度比较快,而且也没有遗传算法中的“交叉”、“变异”等复杂操作,因此本文将PSO-BP神经网络应用于配电网故障定位。用粒子群算法的迭代来替代BP神经网络中的梯度修正,有效的加快了BP神经网络的收敛速度以及避免局部最优解情况的发生,并通过与GA-BP神经网络仿真的训练曲线及误差精度进行对比,可以发现PSO-BP神经网络的收敛速度和对故障定位的正确性都有很大的提高。最后,本文将三种神经网络中故障定位能力最佳的PSO-BP神经网络运用到配电网故障定位仿真系统。仿真结果表明PSO-BP神经网络对配电网故障判断准确,反应迅速,完全满足配电网故障诊断的要求。同时该仿真系统以Visual Basic 6.0软件进行可视化界面设计,操作简单,可视化强,能够方便的供用户使用。