随着新能源政策的推广，分布式电源（Distributed Generation，DG）逐渐接入配电网，对配电网结构和运行方式产生了重要影响。配电网故障定位作为保证电网安全稳定运行的关键环节，其准确性及效率至关重要。传统遗传算法在配电网故障定位中由于效率低下、易于早熟收敛等问题，已不能满足含分布式电源配电网故障定位的需求。因此，本研究提出了一种分种群遗传算法，该算法通过使用不同种群代表不同的故障类型，并用单体交叉替代传统遗传算法中的个体交叉模式，以改进传统遗传算法初始种群的生成过程，从而提高配电网故障定位的效率和准确性。
研究内容涉及了配电网的结构变化。由于分布式电源的接入，配电网的结构和潮流方向发生改变，这增加了配电网故障定位的难度。为此，需要对算法进行改进，以适应新的配电网结构特点。
针对配电网故障定位，传统的方法包括直接算法定位原理和矩阵算法，这两种方法虽然在某些情况下具有实用性，但在故障电流信息发生畸变时，其定位准确性会下降。因此，需要一种能够适应信息畸变情况，且具有高容错性和高运算效率的故障定位方法。
研究中提到了多种智能算法在配电网故障定位中的应用，包括粒子群算法、免疫算法、蚁群算法等。这些算法在容错性能上表现较好，但缺点在于算法运行时需要处理大量数据，导致效率较低。遗传算法虽然全局搜索能力强、容错性高、运算步骤简单，但同样存在容易早熟收敛的问题。因此，研究中通过改进遗传算法的初始种群生成方式，采用分种群方法，使得每个种群代表不同故障类型，并用单体交叉替代传统遗传算法的个体交叉模式，从而提升算法的搜索能力。
此外，文献中还提到了开关函数的建立。开关函数能够将开关电流越线信号转换为故障线路信息，使得每个分段开关与每个线路区段相关联。在含有分布式电源的配电网中，需要对开关函数进行改进以适应新的潮流方向变化。
文中还提到使用MATLAB软件进行仿真验证。仿真结果表明，相较于传统遗传算法，分种群遗传算法能有效提高配电网故障定位效率、加快算法收敛速度，并且准确性更高。这验证了改进遗传算法在智能算法基础上，对于单重故障、双重故障等多重故障定位上具有更高的准确性和计算效率。
随着分布式电源在配电网中的广泛应用，传统的配电网故障定位方法已无法满足现代配电网需求。本研究提出的分种群遗传算法针对传统遗传算法的不足进行改进，有效提升了故障定位的效率和准确性，为配电网的安全稳定运行提供了新的技术保障。同时，该研究也对配电网故障定位的智能算法发展方向提出了新的思路。
