经济发展带动了企业和家庭用户对电力供应的需求,从而使得配电网复杂程度以及规模目益增大,配电网的运行也将面对更多新的问题与困难。配电网作为电网的末端骨架,其重要性日益凸显,用户对配电网供电质量的要求也与日俱增。在我国,通常采用中性点非直接接地的配电网接地方式。系统在发生单相故障时具有较高的可靠性,可带故障允许1-2h,因此在我国的中低压配电网中得到广泛应用。虽然在发生单相故障时允许带故障运行一段时间,但是若长时间带故障运行,有可能导致设备绝缘损坏,危及供电安全。因此,为了避免上述问题,需要设计出一种能够迅速排除故障的配电网故障定位方法。配电网若具备及时排除故障的能力,将有效提高其供电可靠性。据相关统计,单相接地故障是配电网故障中发生频率最高的故障类型。采用中性点非直接接地的接地方式,故障电流偏小,若在配电网中采用稳态量作为判据的测距方法,则测距难度较大。若采用基于故障暂态量的测距方法,则能有效地避免上述缺陷。其中,行波测距法具备构成简单,且不受接地方式影响等特点。对于多分支辐射状的配电网,只需在母线处安装行波测距设备的单端行波测距法则比需要在线路首末两端都安装测距设备的双端行波测距法更具优势。但是单端行波法应用于配电网仍将面临波头识别困难、波速不确定等问题。与此同时,随着近年人工智能技术的再次兴起,研究人员开始尝试将人工智能技术应用到配电系统中。由于人工智能技术对图像、声波等数据具有较强的特征提取以及分类识别能力,因此可利用人工智能技术对配电网不同位置的故障波形进行分类识别,实现故障区段的定位。本文将行波测距与人工智能技术相结合,对配电网故障测距技术做出进一步的完善与改进。本文结合具备不受中性点接地方式等参数影响的行波测距理论,以及具备出色图像分类识别能力的卷积神经网络,提出将卷积神经网络与行波理论相结合的配电网故障测距技术,并通过ATP-EMTP软件仿真验证上述方法的可行性。同时与传统的双端行波测距法进行对比,说明本文所提出方法的优势所在。综上所述,通过理论分析、仿真与实物仿真平台测试,验证了基于行波理论与卷积神经网络的配电网故障测距方法的可行性与正确性。