当配电网发生故障时,快速、准确的定位故障直接影响用户的用电质量。在众多的故障定位方法中,基于智能优化算法的区段定位方法由于其较好的容错能力而成为研究的热点。然而分布式电源(Distributed Generator,简写DG)接入配电网以后,原有辐射型配电网的区段定位方法失效,因此研究含DG配电网的区段定位方法至关重要。许多专家在该方面做出了相关研究,但是这些算法都是基于单层的定位模型,当配电网的节点数量过大时,区段定位的寻优粒子维度过大,造成定位的速度和准确率受到影响。于是首先提出一种基于改进细菌觅食算法的多层次定位方法。在分析配电网的拓扑结构的基础上,将区段定位模型分成两层,第一层定位到故障区域,第二层定位到故障区段,于是迭代维度大幅减小。利用改进细菌觅食算法对两层模型进行寻优,将个体学习和翻转失败后的反向学习机制引入趋向过程的翻转中,改善种群中的弱势个体,将趋向机制引入复制过程提高寻优的整体方向性只对适应度值靠后的粒子进行驱散有利于保存优势个体,改进后的细菌觅食算法的全局寻优能力得到有效提高,未成熟收敛特性得到有效改善。基于改进细菌觅食算法的多层次定位方法虽然在一定程度上改善了区段定位性能,但是由于其两层定位涉及的节点数不一样,两层都采用改进细菌觅食算法势必会影响其定位性能。为了进一步提高层次化模型的定位速度,提出一种结合PSO-BFA和穷举法的区段定位方法。PSO算法是一种基于鸟群觅食的智能算法,其特点是全局寻优能力强,但局部寻优能力差,而BFA则是全局寻优能力差,局部寻优能力强。在第一层定位中,将两种算法结合后提出一种PSO-BFA双种群进化策略,能够很好的集中两种算法的优点,形成优势互补,且不会明显增加算法的复杂程度。在第二层定位中,粒子维度普遍较小,采用智能算法进行寻优耗费时间过长,且不适用。利用穷举法进行第二层定位,定位速度再次得到提升;同时,二次定位还能对第一层定位的未成熟收敛结果进行辨识,提高了定位的准确率。