电网发生故障后,大量蕴含不确定性的保护和断路器动作信息(统称为警报信息)将通过SCADA系统或故障信息系统涌入电网调度控制中心。利用这些警报信息快速准确地诊断电网故障对恢复系统供电、减少故障损失具有重要作用。关于电网故障诊断的研究经历了几十年的发展,取得了丰硕的成果。随着现代电力系统的不断发展,电网规模愈加庞大,结构日益复杂,对电力系统的运行水平提出了更高要求。此种背景下,已有故障诊断方法在适用范围、诊断准确度和精确度等方面均面临着严峻的挑战。本文致力于电网故障诊断方法的研究,重点研究采用计算智能方法实现电网故障的高效诊断。此外,鉴于计算智能方法之一的生物地理学优化算法在故障诊断中表现出良好的优化性能,本文也将其用于求解电力系统经济调度问题。主要工作及成果归纳如下：提出了一种基于模糊推理脉冲神经膜系统的电网故障诊断新方法。该方法不仅可以采用图形化形式模拟各级保护及断路器之间的因果动作行为,而且可以有效地采用简单的矩阵运算实现元件、保护、断路器之间的模糊推理,有助于工作人员分析故障的清除过程。算例仿真结果表明,该方法具有容错能力强,推理速度快等特点。提出了一种基于径向基函数神经网络和模糊积分的电网分区故障诊断方法,以有效解决神经网络应用于大规模电网故障诊断时面临的“维数灾”问题。采用网络重叠分区将大规模电网划分为具有重叠联络线的若干子网。故障发生后,根据警报信息选择性触发相应子网的神经网络诊断模块；对于联络线,待完成相连子网的诊断任务后,通过模糊积分关联融合相连子网关于该联络线的诊断输出,实现对联络线的有效诊断。算例仿真结果表明,该方法采用“分而治之”策略能正确处理各种涉及联络线故障的复杂故障情形,诊断正确率高,能较好地适应大规模电网的故障诊断需求。提出了一种基于径向基函数神经网络的电网模糊元胞故障诊断方法,以有效解决神经网络应用于电网故障诊断时面临的适应网络拓扑结构变化的可移植性问题。该方法直接以被保护元件的所有关联保护和相应的断路器作为各个元胞通用神经网络诊断模型的输入,并借助矢状图提取出蕴含不确定性的模糊推理规则来训练各个神经网络。算例仿真结果表明,该方法能在网络拓扑结构变化时通过对模型的简单修正,实现各种复杂故障情形的准确诊断,具有良好的容错性和可移植性。提出了一种电网故障诊断改进解析模型及其自适应生物地理学优化方法。深入剖析了现有解析模型在复杂故障情形下存在多解的原因,提出了相应的改进解析模型。此外,为了提高改进模型的求解效率,提出了一种自适应生物地理学优化算法。算例仿真结果表明,改进解析模型诊断结果唯一、合理；自适应生物地理学优化算法实现正确求解所需的迭代次数少,可靠性高,具有良好的优化性能。提出了一种求解电力系统静态经济调度问题的多策略集成生物地理学优化算法。采用多种策略来改进生物地理学优化算法的迁徙模型、迁移算子和变异算子,以平衡局部搜索能力和全局搜索能力。此外,提出了一种无需引入罚因子的约束条件处理方法来有效处理静态经济调度问题的各种约束条件。算例仿真结果表明,该算法的各个改进部分通过相互协作,可以有效提高算法的搜索性能。提出了一种求解电力系统动态经济调度问题的基于多源迁移算子与正交学习的改进生物地理学优化算法。多源迁移算子可以从更宽广的且未被探索过的可行解空间中生成新的特征,提高算法种群多样性；而用基于正交试验设计的正交学习策略取代以往的盲目搜索,可指引算法朝着全局最优的方向快速搜索。此外,也提出了相应的无需引入罚因子的约束条件处理方法。算例仿真结果表明,改进算法能够摆脱较差的局部极值点并收敛到更优的解空间中,能获得经济性较高的调度方案。