El sistema moderno de red de distribución está volviéndose gradualmente más complejo y diverso, y los métodos tradicionales de localización de fallas tienen dificultades para localizar rápidamente y con precisión la ubicación de la falla después de que ocurra una falla a tierra de fase única. Por lo tanto, este estudio propone una nueva solución basada en el campo de transferencia de Markov y el aprendizaje profundo para predecir la ubicación de la falla, lo que puede predecir con precisión la ubicación de una falla a tierra de fase única en la red de distribución. Primero, se utiliza una nueva matriz de transformación de modo de fase para tomar la corriente de falla de la red de distribución como el componente de módulo 1, evitando cálculos complejos en el campo complejo; luego, el componente de módulo 1 extraído de la corriente se transforma en un campo de transferencia de Markov y se convierte en una imagen utilizando codificación de pseudo-color, explotando completamente las características de la señal de falla; finalmente, se utiliza la red Darknet-19 para extraer automáticamente las características de la falla y predecir la distancia de la ocurrencia de la falla. A través de simulaciones en modelos existentes y entrenamiento y pruebas con una gran cantidad de datos, los resultados experimentales muestran que este método tiene buena estabilidad, alta precisión y una fuerte capacidad anti-interferencias. Esta solución puede predecir efectivamente la distancia de las fallas a tierra en las redes de distribución.