高压输电线路担负着传输大量电能的重要任务，如何尽快确定故障点、尽快排除故障一直以来都受到了电力部门以及专家、学者的普遍重视。如何根据不同的故障特征快速准确地判定故障点，对及时修复故障线路，减少因输电线路故障带来的经济损失，具有十分重要的意义。 高压输电线路单端测距受到故障过渡电阻、线路分布电容等诸多因素的影响。人工神经网络(ANN)具有很强的非线性映射和鲁棒性，在继电保护和故障测距领域成为研究的热点。鉴于单端法测距的不足和ANN的功能，提出了一种基于ANN的高压输电线路单端故障测距新方法。该算法是一种考虑分布电容的故障测距算法。首先建立故障距离计算的遗传-神经(GA-BP)网络模型，利用遗传算法优化得到BP网络模型的初始系数，然后通过对神经网络的离线训练和对单端故障测距结果的在线补偿，得到精确的故障距离。它保留了单端测距算法原理简单、费用较低、不受系统通信技术条件限制的特点，同时考虑过渡电阻和分布电容的影响，克服了传统故障测距算法在经高阻接地故障时测距误差过大和忽略分布电容引起的故障定位不准确的缺点。 对于带有串联补偿电容的超高压输电线路，采用分层结构的神经网络模型。第一层为粗略判断故障位置的神经网络模型，利用Hilbert-Huang变换方法(HHT)获取能量故障特征作为第一层神经网络的输入，判断故障发生在电容前或后。第二层为精确确定故障位置的BP网络模型，通过对分层结构神经网络的离线训练和对单端故障测距结果的在线补偿，最终得到精确的故障距离。 利用Matlab/Simulink仿真和电科院500kV动模数据分别验证算法的有效性，结果表明该算法与传统故障测距算法相比具有较高的测距精度。