目前随着用电需求的持续快速增长,我国电力工业快速发展,500kV输变电系统已成为我国电力系统的主网架。高压输电线路的故障诊断显得越来越重要,而神经网络技术恰恰在这方面显示了其优势所在。正是基于此提出了本文的设想：采用神经网络技术来解决输电线路故障的诊断问题。本文首先对超高压输电线路的工频电场问题进行了深入研究。模拟电荷法是一种应用于静电场数值计算的有效方法,本文对模拟电荷法进行了概述,并对其基本思想、应用步骤作了归纳总结。为了便于仿真,对超高压输电线路进行了一些必要的假设和简化处理。利用以镜像法为基础的模拟电荷法,建立了高压输电线路工频电场的一般数学模型,该模型适用于空旷地带且档距较小的高压输电线路工频电场计算利用MATLAB软件对水平排列的三相输电线产生的合成电场进行了动态仿真分析,得出了合成电场的电场矢量的大小和方向不仅与时间有关,还与空间位置有关。通过仿真,可清楚的观察到电场矢量的动态旋转过程。并且根据不同空间位置上的场点的电场矢量的旋转轨迹图,从中总结了地面附近工频电场的分布规律。神经网络是一种大规模并行的非线性系统,具有很强的联想学习能力、自组织、自适应和高度的非线性运算能力,因此在识别那些复杂变量的因果关系上拥有较强的判断能力。本文采用BP神经网络对故障进行诊断分析,系统研究了BP神经网络,详细地探讨了三层BP网络的结构、网络参数的设置、训练模式的选择；在输电线路故障诊断中,如果提取有限点的电场值作为特征参数,则不能很好的体现出各种故障模式的特征。因此,本文提取不同故障状态下与正常状态下的电场值之比作为特征参数,该方法提高了BP神经网络辨识故障类别的能力。运用LM算法,将特征参数作为神经网络的输入向量,其诊断结论作为输出向量,对故障特征参数进行训练和识别诊断。仿真试验表明,基于神经网络的故障诊断结果与实测值具有良好的一致性,只要选择足够典型的原始故障样本训练神经网络,网络的容错性和稳定性就较好。基于神经网络的故障模式识别方法能充分利用信息特征,实现输入与输出之间的映射关系,得出准确的诊断结果。