在我国所使用的中低压配电网中,单相接地故障最为常见。虽然发生接地故障后短时间内,配电网仍能够保持正常运行,但长时间运行会导致多相短路等严重问题,需要尽快排查故障线路并及时维修。因此接地故障检测对配电网安全运转具有重要的意义和研究价值。由于配电网电路复杂结构,导致故障信号特征不明显,且容易受到接地电阻、接地相位和接地方式等众多因素的影响。传统故障选线方式中,使用故障特征单一判据的方法准确度不高,极易受到不同因素的影响产生误判;而使用常规数学公式,来对多个判据进行拟合判定的方法十分复杂,对不同结构和条件的故障缺乏泛用性。随着人工神经网络的发展,可以使用人工智能进行多判据融合来进行接地故障选线。其中BP神经网络能够有效进行数据训练与判别,但其本身训练效率较低,且极易受到神经网络的初始权值和阈值影响等。针对BP神经网络的缺陷,使用遗传模拟退火算法对其进行数据优化,提高收敛效率,增强全局搜索能力,消除初始权值阈值过高的影响等。并针对遗传算法易陷入局部最小值和模拟退火算法收敛速度较慢的问题,采用改进遗传模拟退火算法优化BP神经网络(IGSAA-BP)的选线方法。该算法不但减小了传统BP神经网络对初始权值、阈值对算法影响较大的问题,还通过改进遗传算法的交叉、变异概率公式和改进Metropolis准则,以提高种群多样性,避免陷入局部最优。搭建配电网小电流接地系统仿真模型,获取系统各个线路的稳态特征、5次谐波特征和暂态特征,输入IGSAA算法获得BP神经网络初始值,使用优化后的神经网络模型训练计算后获得选线结果。与其他BP神经网络算法对比表明,该方法在训练中收敛速度和复杂适应性较高、判断精度更好。