摘要：針對人工智能算法在解決配電網(wǎng)故障選線和測距問題時容易陷入局部最優(yōu)解并難以滿足精確性和魯棒性要求的問題,提出了一種基于改進粒子群優(yōu)化神經(jīng)網(wǎng)絡的配電網(wǎng)故障選線與測距算法.該算法結合混沌優(yōu)化算法和粒子群優(yōu)化算法得到收斂能力更強的粒子群優(yōu)化算法,通過提取配電網(wǎng)的零序電壓與電流的暫態(tài)及穩(wěn)態(tài)特征來構成特征向量,并分別使用訓練集訓練改進粒子群優(yōu)化神經(jīng)網(wǎng)絡算法,從而能更精確地預測配電網(wǎng)的故障線路及其距離.仿真測試結果表明,所提出的算法能獲得更精確的選線和測距結果,具有一定的實用性.