配电网是电力网中重要的组成部分,其安全稳定的运行关系到人民的日常生活和国家的经济建设。我国配电网一般采用小电流接地方式,即中性点不接地或中性点经消弧线圈接地。随着我国电力系统的不断发展,配电网结构越来越复杂,在小电流接地系统中单相接地故障频发,单一的选线方案难以快速准确的判断故障线路,其选线准确率往往很低。如何寻找一种快速有效的选线方案显得尤为重要。本文在对现有选线方法分析的基础上,选择零序电流有功分量和五次谐波分量作为故障特征量。同时,将相似性度量应用到故障选线中,引用并改进传统Hausdorff距离,提出一种基于综合Hausdorff距离值、零序电流有功分量和五次谐波分量的综合选线判据。该判据结合故障后的暂态和稳态特征量,弥补了单一选线方法的不足,提高了故障选线的准确率和适用性。使用Matlab/Simulink软件搭建10kV配电网仿真模型,对三种故障特征量进行仿真实验。通过Simulink中的测量模块采集三种特征量的波形,对比故障线路和健全线路在每种特征量下的差异,验证了三种特征量在故障选线中的可行性。通过设置不同的短路距离、接地电阻、故障电压初始相角和故障线路,进行大量的故障仿真实验。根据实验数据计算并记录相应的综合Hausdorff距离、零序电流有功分量和五次谐波分量特征值,为训练神经网络做好数据准备。使用人工神经网络实现对小电流接地系统单相接地故障的自动选线。针对故障识别和分类问题,本文放弃传统的BP神经网络,采用在模式分类领域被广泛应用的概率神经网络(PNN)。考虑到平滑因子对PNN网络分类性能的影响,使用遗传算法对其进行优化,提出基于遗传算法优化平滑因子的概率神经网络(GA-PNN)进行故障选线。将实验数据分别送入PNN与GA-PNN中训练和测试,通过对比实验,GA-PNN网络对训练样本和测试样本的故障诊断率均为100%,且遗传算法的迭代时间非常短,仅需4次迭代即可收敛。实验证明本文的选线方案具有选线速度快,选线准确率高的优点,具有一定的实际应用价值。