پیشرفت سریع تکنولوژی میکروپرسسوری این تکنولوژی را به شکل ایده آل برای کاربرد در سیستم قدرت بویژه در مواردی از قبیل حفاظت و کنترل سیستم قدرت که نیاز به دقت و سرعت بالایی مانند خطایابی می باشد مناسب ساخته است. در این میان مطالعات زیادی برای تعینی ناحیه خطا در خطوط انتقال براساس روش های دیجیتال صورت گرفته واصول متفاوتی برای حل این مسئله بکار گرفته شده است. در پروژه حاضر نیز سعی بر ارائه الگوریتمی مناسب در این زمینه بوده است. در این پروژه ابتدا الگوریتم های رله های دیجیتال دیستانس بررسی شده اند. در بررسی الگوریتم های مرسوم رله های دیستانس مشاهده شد که روش ‏‎dft‎‏ تمام سیکل در میان روشهای مرسوم دارای دقت و قدرت بالایی می باشد. با اینحال روشهای مرسوم در شرایط که خط از دو طرف تغذیه می شود یا اینکه خطا از طریق مقاومت رخ می دهد دقت خود را از دست می دهند. در این پروژه نشان داده شده که به کمک شبکه های عصبی می توان الگوریتم هایی برای رله دیستانس ارائه داد که بتواند با سرعت و دقت بالایی عمل کند.به کمک شبکه های عصبی می توان عملکرد رله های مرسوم را نیز اصلاح کرد، در این پروژه دو ساختار برای این منظور ارائه شده است. در هر دو ساختار عملکرد رله دیسانس با روش dft به کمک شبکه های عصبی بهبود داده شده است. در این ساختارها، رله در رنج وسیعی از شرایط سیستم برای خطاهای مختلف قادر به عملکرد بوده اند. بخش دیگر این پروژه طراحی و ساخت سخت افزار رله دیستانس بوده است. این سخت افزار شامل سه بخش کارت مینیم سیستم، کارت دستیابی اطلاعات و کارت ورودی - خروجی می باشد. پروسسور استفاده شده در کارت مینیم سیستم ‏‎tms320c25‎‏ با سرعت ‏‎mhz‎‏ 50 می باشد. در کارت دستیابی اطلاعات نیز هفت کانال ورودی لحاظ شده است. در نهایت یک الگوریتم dft و یک الگوریتم شبکه عصبی بر روی سخت افزار رله پیاده شده است و با نتایج حاصل از شبیه سازی توسط نرم افزار ‏‎emtdc‎‏ تست شده اند. نتایج بدست آمده از تست رله نشان می دهد که الگوریتم مبتنی بر روش شبکه عصبی قابلیت خیلی بالاتری نسبت به الگوریتم dft دارد.