柔性直流电网中的直流(DC)侧短路故障电流会严重危害电网的运行,而电阻型超导故障限流器(RSFCL)能有效地限制短路故障电流的增长,降低对直流断路器开断容量和开断时间的要求.为了研究用于RSFCL的氧化钇钡铜(YBCO)超导带材在短时直流冲击电流下的电阻特性,根据故障电流特征搭建了高压直流冲击平台,实验测量了在不同电流峰值和不同冲击时间的冲击电流下YBCO带材的电阻变化情况.详细分析了失超电阻越过拐点阻值前后的不同变化趋势并解释了其产生原因.据此,分阶段建立了基于Levenberg-Marquardt(LM)算法的多层前馈神经网络,并利用实验室获得的实验数据对网络进行训练和网络结构的优化.利用训练好的神经网络建立YBCO带材直流冲击特性预测模型.预测结果与实验结果的对比表明,基于LM神经网络的建模方法可以有效地预测直流冲击下YBCO带材失超电阻的变化.所得的预测模型可用于研究RSFCL在柔直电网中的设计与应用.