小电流接地系统单相接地故障选线一直是配电网中的重点和难点。当前,虽然各种选线装置层出不穷,但是选线效果甚微。究其原因,主要是单一的选线方法有其局限性,难以满足复杂多变工况下的选线要求,选线精度较低。因此,融合多种选线原理进行选线是未来发展的趋势。本文就是结合神经网络算法和D-S证据理论融合多种故障选线原理,对小电流接地系统单相接地故障选线进行深入的研究,以提高配电网故障选线的精度,改善供电质量。　　首先,本文介绍了小电流接地系统单相接地故障选线这一领域在国内外的研究现状,介绍了当前主流的选线原理与选线方法,并进行了相应的Matlab/Simulink仿真模型的搭建,同时在模型的基础上进行基于传统故障选线方法的仿真,为文中后半部分的选线原理的融合打下扎实的理论基础。同时,大量的仿真数据可以为日后的融合验证提供数据保障。　　其次,本文根据稳态及暂态特征量的特点,构造故障测度函数,以处理仿真得到的各项数据,作为融合算法的输入值。接着,简单介绍了BP神经网络、基于遗传算法优化的BP神经网络以及D-S证据理论,将小电流接地系统故障选线同上述智能算法进行结合,使智能算法与实际问题相结合来解决这一难题。　　最后,利用具体算例来详细介绍本文所提出的基于遗传算法优化的BP神经网络以及D-S证据理论双融合算法,通过仿真实例来介绍该方法的优越性和选线的高精度。验证结果说明,该算法相比其他选线方法更有优势。