电力系统规模不断扩大,结构复杂,运行状态经常变化,尤其高压输电线路是发电厂和用户之间联系的纽带,是电力系统的重要组成部分,承担着输送电能的任务,同时又是电力系统中最容易发生故障的环节之一。电力系统的故障大部分发生在输电线路上,输电线路一旦发生故障,将给社会经济生活带来极大的影响,是否能够及时而准确的对故障进行定位,对于电力系统保持稳定和经济运行至关重要。因此,对输电线路的故障进行准确定位是从技术上保证电网安全、稳定和经济运行的重要举措。在输电线路上使用串联补偿装置能够有效地降低输电系统间的电抗值,提高输电能力,增加系统运行的稳定性和降低输电系统的工程造价,因此,串联补偿电容在输电线路中得到了广泛的应用。但是,由于串联补偿电容的存在改变了输电线路的均匀性,其故障测距一直是困扰行业的一个难题。快速并准确的对串联补偿输电线路故障进行定位对电力系统的安全和经济运行起到了重要的意义。本文在分析现有的串联补偿输电线路故障定位算法的基础上,将微分方程数学模型和神经网络相融合,提出了一种新的故障定位方法。首先,通过相模变换将相量值转化成模量值,进而在模量域内计算故障距离；然后,依照实际的输电线路模型产生用于输电线路故障测距的数据样本,利用得到的数据样本对神经网络模型进行训练和测试,并将训练好的神经网络用于串联补偿输电线路故障的预判定中；利用神经网络的预处理结果和改进微分方程的输电线路数学模型求解故障点,即假设故障点发生在串联补偿电容的两侧,通过计算得到2个故障相关定位解,再利用线路两端获取的数据分别计算出故障点电压值,根据故障点电压值应该相等的原理确定真根排除伪根,从而判定出故障点的位置。最后,利用MATLAB7.0对不同过渡电阻、不同故障类型的多种短路故障进行了仿真实验,结果表明：神经网络与微分方程相结合的方法在串联补偿输电线路故障定位中具有很强的实用性与准确性。