电能与人们的工作生活息息相关。目前,我国大规模的电力系统都是由能源转换装置产生电能,再经变电站升压,并通过输电线远距离传输到各个配电网络,最终实现能源供给。其中配电网控制着电能的用户接入,因此其又被比作电力传输的“最后十公里”。由于配电网的可靠稳定运行直接影响了供电服务质量,因此是我国新型电网建设中不可或缺的关键一环。10k V的中压配电网在我国的电力系统建设中有着特殊地位,其广泛应用于城市和农村配电。配电网故障中出现最频繁的就是单相接地故障,由于中性点非有效性接地系统所产生的故障电流较小,而三相电压继续保持对称性,系统将继续带故障运行,其产生的过电压对绝缘水平提出了不小的挑战,如果不能及时切除,可能会造成更加严重的电气危害。因此,当配电网发生故障时,必须及时查明故障原因并确定故障位置,这对故障信息获取和后续故障处理都有非常重要的现实意义。首先,本文提出一种基于改进的希尔伯特-黄变换和极限学习机的接地故障检测方法。在进行故障检测时,暂态分析容易受到不同条件的影响,导致识别率降低。针对配电网的永久性接地故障,从电阻大小、线性性质和燃弧特点等角度将故障类型分为低阻、高阻、稳定电弧和间歇电弧接地故障。由于不同原因引起的线路故障使得特征频带漂移不定,提前确定特征频带可以有效改善信号分析能力。本文利用小波变换对信号进行多频带划分,再根据对地电容的充放电特性筛选出特征频段,通过希尔伯特-黄变换可以得到各条线路零序电流的瞬时能量特征。而极限学习机结构简单,训练速度快,容易移植,训练时利用灰狼算法和粒子群算法分别对其隐含层节点数和权值进行多层次优化,最终得到同时具有故障类型识别和选线功能的分类器。经测试,本文提出的方法能准确判断故障类型并完成选线,并对各种影响条件有较强的抗干扰能力。其次,针对基于单相接地故障点上下游暂态电流相似性的配电网区段定位方法所存在的,由系统中性点接地方式、故障点距离和过渡电阻大小等环境因素,以及电流互感器极性未知或智能电表错误安装等人为因素所导致的定位不准确问题,本文提出一种工频极性校验下基于孪生神经网络的自适应故障区段定位方法。通过配电网的零序等值电路,研究了不同条件因素对于零序电流暂态分析的影响,指出了传统线性相关法存在的定位缺陷。针对馈线终端本身的通信时延以及人为操作不规范所带来的误判,基于平稳小波变换和模极大值理论进行预处理,实现波形同步和极性校验。为克服传统相关法和距离法中存在的缺陷,引入孪生神经网络对两个信号进行相似性匹配,用特征向量之间距离度量表示信号的差异性,经训练该模型可以准确定位故障区段。通过实验验证,本文所提出的区段定位方法具有很强的适应性,对于某些定位盲区也有很好的识别率。