配电网的主要任务就是向用户提供安全可靠的供电,但是由于天气环境、人为因素等的干扰,经常发生短路故障而造成供电中断,严重时造成大面积停电。但故障发生后,由于故障电流微弱、电弧不稳定等原因,故障实时监测问题长期以来没有得到很好地解决,至今许多变电站仍然使用人工拉路等方法查找故障线路和目测寻找故障点。笔者对故障监测领域的关键技术,包括故障诊断、故障选线、故障定位等开展了深入的研究,取得了一些创新性的研究成果。首先,针对传统故障诊断方法的不足,提出了一种基于RBF神经网络的配电网故障诊断方法。该方法基于RBF神经网络的基本理论,并结合简单配电网模型,提出了基于RBF神经网络的配电网故障诊断模型;并阐述了该诊断方法的详细实现流程的,进而通过算例证明了该诊断方法的有效性。该方法具有一定的容错能力,而且有利于应用于实时诊断,具有工程应用价值。其次,在已有研究的基础上,采用信息融合模型进行配电网故障选线,通过小波分析处理故障信号,采用基于改进的D-S证据理论对各个独立的证据体(小波信号表征)进行融合,使得各个模糊不确定的结果经过融合后更能体现故障信号本征,进而采用选线决策算法进行最后诊断决策,确定故障相。最后根据提出的理论方法设计诊断模型的框架结构以便进行实际应用。最后,针对配电网查找故障点位置困难这一现状,提出了一种新型配电网的故障定位系统。首先阐述了配电网快速故障定位系统工作原理,并对系统实现的各个实现模块进行详细的介绍,其中作为核心模块,提出了一种基于仿真匹配的配网故障定位算法,首先根据对称分量法和线性叠加原理,建立故障后的附加正序网络并定义了故障定位因子;进而应用波形匹配原理,对故障时的定位因子与仿真波形进行匹配,以决定故障发生的位置通;算例仿真验证了其在电网运行中的先进性、可靠性。