随着分布式电源(DG)技术的发展成熟,配网供电灵活性得到提高,这在一定程度上缓解了配网供电压力,但网络的潮流不再是单向流动。考虑到未来网络结构更加灵活化,面对故障时将DG直接切除并不是一个完满的解决方案。本文考虑利用层层简化,步步分解的方式形成一种新的保护方案,将区域划分、智能设备单元以及神经网络共同应用到保护方案中。主要内容如下:分析典型分布式电源的特征,根据分布式电源接入配网的位置,分析接入的DG对系统潮流分布和故障时短路电流产生的影响。考虑将配电网馈线式结构通过树模型表征,将配电网进行树状类比转化,选取合适的约束条件,给出普适性的孤岛划分流程。经过层次网络分解法对加入权重的配电网树状模型展开搜索,以求得出合理的孤岛划分方案,为后续处理典型馈线自动化结构做好铺垫。阐述现有单点信息保护配置无法解决DG潮流反向流动的问题,在区域划分中采用高级馈线单元与智能开关的多点信息,应用在区域划分,形成各个智能单元间的协调动作策略,通过仿真验证通信技术交互的方案是否满足需求。根据上述验证得出的区域划分结果,可以将故障锁定在某一故障区段,但故障区段往往含有多条馈线母线,研究利用BP(Back-Propagation)神经网络对锁定区段进行二次判断,以确定故障所在具体馈线以及故障类型。在样本选择中,依靠电流量对不同故障的不同表征,以及序分量不受系统振荡影响的特点,将满足网络决策和调整的大量样本代入训练,以求在处理本文问题时得到合理的权值和阈值矩阵。最终通过预测样本数据对训练结果进行验证。