最近这些年来，很多专家学者都提出要把智能化的理论放入到问题研究的范围中来，其中最常见的就是模糊理论和神经网络[13]。与此同时，还有一些其他的理论提出，比如神经网络专家系统、模糊神经网络等等，另外还有以智能化算数为基础的信息的结合，凭借对信息的全面掌握，从多个方面对问题进行分析研究，从而很大程度上提高了精确度[14~16]。
下面介绍几种：
（1）遗传算法：
基于遗传算法的配电网故障定位算法的基本思路是先建立合理的故障诊断数学模型，然后用遗传操作进行求解。
优点是能够自动纠错，容错性好；故障定位准确；但是配电网故障评价函数构造较为困难；算法内具体参数设定复杂；计算量大[17]。
（2）专家系统：
将专家系统与地理信息系统或SCADA系统结合，根据获得的息启动专家系统内部库及推理机确定故障区域。
优点是易于建立，文护量小；系统运行平稳，可靠性较高；故障定位准确；但是依赖专家经验知识或大量信息；处理信息类型有限[18]。
（3）粒子群算法：
将N段馈线区段的状态求解就转化为N文粒子群优化求解，每次迭代中由评价函数评价各粒子位置优劣，并更新粒子的速度和位置。最终得出粒子群全局最优位置就是各馈线区段的实际状态。
优点是原理简单、容易实现、计算速度快，收敛性好，具备一定容错性；但是评价函数构造较难，需求种群过多，迭代次数较大，正确率不理想[19]。
（4）蚁群算法：
把故障定位问题转化为旅行商(TSP)问题，利用蚁群算法进行局部及全局寻优，求得故障区段。
优点是具有良好的正反馈和容错性；但是评价函数构造较难，需求种群过多，内部参数设置复杂，迭代次数较大[20]。 电网故障定位的国内外研究现状(3):http://www.youerw.com/yanjiu/lunwen_28218.html