随着电力系统的发展和对安全运行要求的提高,常规的继电保护原理和故障诊断技术已经渐渐不能适应不断发展的系统要求,因此自适应继电保护越来越受到重视,并已有广泛的研究。自适应距离保护的定值随系统运行方式和短路类型的实际情况而改变,使保护装置能更灵敏并且更快地切除故障,性能也得到显著提高。自适应距离保护系统在选择性、快速性和灵敏性方面明显优于传统型距离保护系统,使现有电力网络能传送更多的功率,而且还改善电力系统运行的灵活性和稳定性。但是自适应距离保护根本上还是以保护基本整定公式为基础,只是使某个参数进行自适应处理,这样的代价就是算法复杂化,从根本上摆脱不了整定计算的复杂过程。　　 神经网络具有极高的运算速度,它可以实时实现用数字计算机技术较难实现的高精度最优算法。神经网络具有分布式存储知识的结构,它不仅可以存储大量信息,而且连接权与连接结构都可以通过学习的训练得到。与普通计算机保护相比,基于神经网络的继电保护具有更高的可靠性,具有更强的自适应性和正确动作的能力。　　 首先介绍研究背景及人工神经网络在国内外的应用发展情况入手,对自适应继电保护和人工神经网络应用知识进行介绍,分析人工神经网络的优势及其在自适应继电保护的应用。分析传统距离保护在双侧电源线路发生过渡电阻短路时存在的缺陷,运用人工神经网络所具有的自适应能力、学习能力和模式识别能力,基于BP神经网络模型对自适应距离保护进行了分析和研究。使距离保护能够根据过渡电阻类型的变化给出实时在线的判断。为了验证该模型的可行性,本文利用广东韶关电网的南水电厂到泉水电厂双端电源供电系统为实例对其进行了仿真计算分析,均得出正确的结果,从而验证所提方法的可行性和优越性。