Comparado con las redes eléctricas tradicionales, las microrredes tienen un modo de operación más flexible. Hay varias fuentes de energía distribuidas dentro de la microrred, y diferentes tipos de fuentes de energía distribuidas tienen diferentes métodos de control. Una vez que ocurre una falla de cortocircuito en la microrred, estas características aumentarán la dificultad del diagnóstico de fallas en la microrred y reducirán la precisión del diagnóstico de fallas en la microrred. Este documento propone un método de diagnóstico de fallas en microrredes de retropropagación de optimización de enjambre de partículas para el diagnóstico de fallas de cortocircuito en microrredes que identifica la precisión de las señales de alarma, corrige las señales irrazonables y obtiene el conjunto de fallas correcto de la microrred a través de la relación lógica temporal entre cada protección. Utilizando el algoritmo de red neuronal de optimización de enjambre de partículas de retropropagación (PSO-BP) para entrenar las señales de alarma de falla, se puede lograr una rápida convergencia y se pueden obtener resultados de diagnóstico precisos después de que se complete el entrenamiento de la sexta generación. Dado que este algoritmo de diagnóstico de fallas se aplica al equipo de protección de línea, se puede utilizar para diagnosticar todo tipo de fallas de cortocircuito. Este algoritmo es fácil de implementar y tiene una escala de datos pequeña, lo que es propicio para diagnósticos de fallas eficientes y concisos en microrredes.