输电线路是电力系统的重要组成部分，随着电力系统的规模日益扩大，远距离输电线路日益增多，输电线路故障对电力系统、工农业生产和人们日常生活的影响也就更广。因此迅速排除线路故障，恢复供电，有着非常重要的意义。为了能迅速查找故障，就需要对故障线路进行准确测距。模糊神经网络是一种新型人工智能技术，它结合了神经网络和模糊逻辑系统两者的优点，相互取长补短，使得模糊神经网络具有强的自适应能力和自学习能力，这为本文测距方法奠定了坚实的理论基础。 本论文提出了一种基于分层分布式模糊神经网络的故障类型鉴别、故障测距方法，并利用模糊神经网络构造了故障类型鉴别及故障测距模型。论述了基于BP算法的模糊神经网络计算方法，采用变步长方法改进了BP算法，加快了收敛速度。基于输电线路分布式参数模型，本文运用ATP软件仿真获得不同系统运行方式、故障类型、过渡电阻以及不同故障点等条件下的故障电压、电流，把故障后第一周的基频分量作为输入矢量。通过调整模糊集规则数，以及模糊神经网络算法中其它的相关参数，到达满意的训练结果。测试结果表明，该方法能快速、准确地鉴别故障类型，准确率达到100％，测距精度也很高。