配电网的故障测距一直以来都是电力系统的一大难题。配电网分支众多、结构复杂是造成这一局面的重要原因。我国配电网一般只在馈线首端安装有测量装置,如何有效利用有限的测量数据准确地测定配电网故障位置,对于故障及时快速地修复、提高供电可靠性和保障电力用户的权益都具有十分重要的意义。　　 传统的配电网故障测距方法很多,但是对于带有分支的结构复杂的配电网,往往不能有效应用。本文在分析传统配电网故障测距方法优缺点的基础上,针对多分支配电网提出了一种基于Hilbert-Huang变换的配电网故障测距方法。该方法分为两个步骤,第一步是故障分支的确定,第二步是在故障分支上的故障距离测定。第一步确定故障分支是离线进行的,首先对于配电网进行建模,仿真各条分支上的故障,利用HHT找出各分支的特定频带下的特征能量,之后利用这些特征能量训练人工神经网络。训练好的神经网络在输入实际故障的特征能量后,可输出故障所在分支,以完成故障分支的确定。第二步在确定了故障分支后,利用在线的故障特征匹配方法,结合遗传算法,在故障分支上完成故障距离的精确测定。在线的故障匹配,选取故障距离和故障接地电阻为变量,仿真故障分支上各点故障,故障特征能量与实际故障最接近的点,即认为是故障点。　　 本文采用的Hilbert-Huang变换,是全新的信号处理方法。将其与人工神经网络以及遗传算法进行结合,来处理电力系统配电网故障测距的问题,是一次的尝试。结果表明,本文提出的基于HHT的复杂配电网故障测距方法,具有较好的效果,适用于小电流接地系统。