基于模块化多电平换流器的柔性直流电网（Modular Multilevel Converter-based High Voltage Direct Current Grid,MMC-HVDC-Grid）是未来大规模集成可再生能源系统和多能源互联系统的关键技术之一。然而MMC-HVDC电网采用的架空输电线路极易发生直流短路故障（DC short-circuit fault,DCSCF）。因此,快速、准确地检测出故障的位置并隔离对电网的供电可靠性有重要意义。本文主要围绕MMC-HVDC电网直流短路故障的检测问题,提出采用直流故障电流统计特征与改进深度置信网络（Improved Deep Belief Network,IDBN）相融合实现故障检测目标的研究新思路。论文的主要工作和创新点如下:（1）基于四端真双极MMC-HVDC电网,分析了在直流线路不同位置处分别发生单极接地故障的直流故障电流特性,发现对应不同故障位置的直流故障电流峰值虽有不同但变化趋势类似,仅依据直流故障电流的峰值不能很好地识别出故障位置,提出采用直流故障电流的三个统计特征,标准差、信息熵和峭度,并将它们用于直流短路故障的检测。（2）提出了基于直流故障电流统计特征和改进IDBN神经网络的直流短路故障检测方法,基于PSCAD建立了四端真双极MMC-HVDC电网仿真模型,采用电磁暂态仿真数据对所提的模型进行训练和测试,并与传统的基于反向传播（Back Propagation,BP）、径向基函数（Radial Basis Function,RBF）、堆叠式自编码器（Stacked Auto-Encoder,SAE）、支持向量机（Support Vector Machines,SVM）、深度置信网络（Deep Belief Network,DBN）的直流短路故障检测方法进行了对比,验证了本文所提出方法的优势性,并进一步在RTDS构建了四端真双极MMCHVDC电网实时仿真模型和测试平台,实验结果验证了本文所提方法能够满足实时性要求。（3）为了验证本文所提的基于改进IDBN神经网络直流短路故障检测方法对不同MMC-HVDC电网的网架拓扑结构具有通用性,基于PSCAD搭建了六端伪双极MMC-HVDC电网模型,在不同直流线路上分别设置单极接地故障和双极短路故障对所训练的故障检测模型进行了测试,并与传统的基于BP、RBF、SAE、SVM、DBN神经网络直流短路故障检测方法对比,验证了本文所提方法对不同模型具有较好的泛化能力。