该课题所研究的高压直流输电系统故障诊断方法采用了人工神经网络技术,对换流站内所有交直流设备和直流输电系统的运行提供完整的控制、保护和监视,是用以保障系统的自动化运行,并提供调度功能的二次系统.论文基于神经网络的方法,提出并建立了一种用于高压直流输电系统故障诊断的模型,同时对神经网络已经在电力系统中的应用现状和用于故障诊断技术的可行性进行了讨论.首先,论文对目前存在的高压直流输电系统常见故障进行了简要介绍,并分析了其产生的原因和造成的危害,并根据目前高压直流输电工程可靠性的统计与分析,对目前所采用的直流输电系统故障诊断主要理论和方法进行了研究和比较.其次,论文对人工神经网络的理论基础知识进行了介绍,包括人工神经网络的发展应用、技术特点、基本结构、主要学习算法和典型模型,着重分析了RBF网络和自组织特征映射人工神经网络,并研究了Kohonen自组织特征映射网络的矢量量化算法.然后,基于课题研究的方法对电力系统仿真和神经网络算法的要求,对所用到的电力系统仿真软件PSCAD/EMTDC进行了介绍,并对这一软件与MATLAB工具的结合与应用加以讨论.最后,论文对人工神经网络应用于高压直流输电系统故障诊断进行了仿真研究.论文分析了各种故障的形成机理和基本特点,并分别对单相对地短路故障、两相相间短路故障、两相同时对地短路故障、三相同时对地短路以及直流线路对地短路故障的情况逐一进行了仿真试验,为用于故障的识别的人工神经网络训练和学习提供了大最的样本.在神经网络的选取上,分别采用了RBF 网络和自组织映射神经网络,对样本进行了训练和测试.仿真试验的结果进一步突出了RBF网络和自组织映射网络在模式识别和分类方面具有各自的优势,而神经刚络在高压直流输电系统的故障诊断中具有相当大的应用潜力和前景.