配电网中发生单相接地故障的几率最高,可占总故障的百分之七十左右。在小电流接地系统发生单相接地故障后,允许带故障运行一定时间,这期间系统出现三相不平衡运行,且一旦形成不稳定电弧接地,轻则影响人们生产生活和国民经济发展,重则对国家安全造成损害。我国配电网中多采用中性点不接地、中性点经消弧线圈接地为主的小电流接地运行方式,因此准确有效的在此系统中检测出故障线路,提高供电的连续性就显得尤为重要。首先,本文分析了配电网在中性点不接地、中性点经消弧线圈接地这两种接地方式下,发生单相接地故障后故障特征量的变化情况及其特点。利用Matlab搭建配电网仿真模型,并对仿真结果进行分析。明确了从零序电流故障暂态分量入手,进行故障辨识。其次,论述了经验模态分解（Empirical Mode Decomposition,EMD）这一分离零序电流暂态分量的方法。针对EMD方法中存在的端点效应问题,采用改进的镜像延拓法进行了处理,仿真说明了改进效果。利用改进EMD方法对零序电流进行分解,完成故障特征的分离。与此同时还介绍了能对故障特征进行量化并反映系统运行状态的关联维数,并提出二阶导数信息法来避免人为主观确定无标度区间的缺点,在Lorenz这一经典混沌时间序列上进行了数值仿真。确定提取零序电流的关联维数、暂态方向、模态能量这3种基于暂态分量的特征量。为接下来故障选线方法的确定打下了基础。再次,介绍了具有数据融合和非线性映射能力的BP神经网络,针对BP神经网络存在对初始权值和阈值比较敏感容易陷入局部最优的问题,利用遗传算法具有高效、全局搜索等特点对BP神经网络的初始权值和阈值进行优化,避免BP神经网络算法陷入局部最优的死区。最后确定本文采用基于遗传算法优化BP神经网络模型的故障选线方法。最后,进行了仿真和实验。在传统配电网和有分布式电源的配电网上采集故障数据,提取故障特征,组成数据样本。分析了基于遗传算法优化BP神经网络模型的选线方法的性能,并与传统的BP神经网络进行了比较。结果表明,基于遗传算法优化BP神经网络模型的选线方法具有较快的收敛速度和较高的精度。采用形态滤波和能量比值检验法对鄂尔多斯市某变电站现场故障数据进行去噪和故障特征提取。