随着电网规模逐渐扩大,用户对电网供电可靠性提出了更高要求。配电网作为电力系统能量运输的重要一环,负责分配电力连接用户,其故障会对居民的生产生活造成很大影响,因此保障其正常稳定的运行尤为关键。快速准确定位突发故障是故障隔离及非故障区域恢复供电的必要条件,对维护配电网安全稳定有着重要意义。分布式电源大规模并入配电网后,配电网的潮流方向和系统结构更为复杂,许多传统配电网的故障定位方法已不再适应这一趋势。因此,本文对含分布式电源的配电网故障定位问题展开分析,并研究了有源配电网故障区段定位方法。首先,针对分布式电源接入后的复杂配电网络,研究了基于改进行波特征分类的有源配电网故障定位算法,该算法仅通过分析部分特殊节点的行波特征数据就能实现快速定位。从行波的小波包能量与含分布式电源的配电线路故障区段之间的关系入手,提取故障电压行波的小波包分解能量作为故障特征信息,通过线性判别分析降维挑选出最优故障特征,再利用机器学习中与该模型契合最好的基于核分布的贝叶斯构造分类模型,实现最优M维特征选择的故障定位方法。构建含分布式电源的IEEE 33节点模型对配电网不同区段故障进行仿真,其最优三维特征样本的仿真结果表明该算法可适应不同的过渡电阻和中性点接地方式,且定位结果具有高准确率和高可靠性,在不同电源数量、过渡电阻大小、中性点接地方式时具有高鲁棒性。针对信息畸变对定位的影响,研究了一种含分布式电源配电网的遗传粒子群定位算法,融合了遗传算法的全局寻优优势和粒子群算法的局部寻优优势,提高了算法的收敛效率。建立了适应有源配电网的故障电流编码方式、开关函数和适应度函数,在分析遗传算法和粒子群算法基本原理的基础上,结合遗传算法在全局寻优方面和粒子群算法在局部寻优方面的优点,采用一种两者相结合的算法,同时在学习因子和适应性方面对传统遗传和粒子群算法进行优化,并在复杂有源配电网中针对电源数量、故障数量、信息畸变进行区段定位仿真对比分析。仿真结果表明该算法相较于传统智能算法准确度高、收敛速度快,且本身抗干扰性较强,能较好满足有源配电网故障区段定位的基本要求。最后,针对单一算法的适应性局限,研究了基于行波-遗传粒子群动态融合的有源配电网故障定位算法,将两种算法通过D-S证据理论进行决策性融合以提高算法的准确性和适应性。考虑到配电网实际故障条件随机且故障环境复杂,单一的定位方法难以适应所有不确定因素实现准确定位,为实现较广的适应范围同时又保证定位准确度,采用D-S证据理论将上述改进行波法和遗传粒子群算法进行决策级融合,并结合配电网故障的特殊性对该理论的辨识框架和基本概率赋值进行实际定义,搭建基于多维数据动态融合的配电网故障定位模型。仿真结果表明该算法相较于单一算法进一步提升了定位准确性,具有较强的适应能力。