配电网短路故障的准确、快速研判,对于提高供电可靠性、保障配电网安全运行具有重要的意义。传统的故障研判主要依靠电流、电压信息或保护开关、断路器的动作跳闸情况,故障信息较为单一,难以应对复杂故障情况。本文研究基于电气信息与开关信息融合的配电网短路故障研判方法。针对配电网节点繁多而电气信息采集设备数量相对较少的情况,提出一种利用压缩感知算法的配电网故障研判方法。该方法利用少量节点的电气量信息得到电压暂降矩阵,再根据网络结构构建节点阻抗矩阵,形成欠定方程组,采用压缩感知算法求解该方程组以重构节点故障注入电流,从而实现故障定位。由于测量节点数远小于配电网总节点数,仅重构一次误差较大,因此需重构两次:第一次重构确定与故障区域相邻的测量节点与大致的故障范围,第二次重构精准定位故障。算例结果表明,该方法故障定位准确性高,研判结果受过渡电阻影响小。针对开关量信息存在误动、拒动及数据畸变等问题,提出一种基于神经网络的故障定位模型。该模型将各保护及断路器的动作信息作为输入,配电网各区域的故障概率作为输出,通过神经网络建立输入与输出之间的映射,实现故障定位。同时,为解决BP神经网络易陷入局部极小值的问题,利用萤火虫算法优化BP神经网络模型的参数,提高研判的准确性。最后,分别设置简单及复杂配电网模型检验了该方法的有效性,并比较了BP神经网络模型与萤火虫算法优化后的模型在准确性及容错能力方面的性能。针对单一信息源抗干扰能力较差等问题,利用信息融合对单源故障研判结果分别提取特征并进行融合,以得到最终的研判结果。由于传统DS证据理论存在证据高度冲突等问题,结合电气量故障特征和开关量故障特征对证据体的概率赋值函数及融合规则进行改进,使之更符合实际情况,最后根据决策诊断模型得到融合后的故障研判结果。算例分析结果表明,本文方法可以进行准确地故障定位,相较于单一信息源,能很好地应对故障信息不准确、不完备等情况。本文提出的基于多源信息融合的配电网短路故障研判方法已应用于“多元不完整信息条件下的配网故障定位研判系统”的研发。