当电力系统发生故障时,大量的警报信号被上传至调度中心,等待调度人员进行分析和处理。当多设备故障、保护/断路器发生误动/拒动等复杂故障出现时,警报信息会指数级增加。压力情况下,调度人员要在很短时间内处理大量警报信号并充分利用其中有效信息进行分析决策是非常困难的。此外,警报的漏报/误报和时标错误等不确定性,会干扰调度人员的判断,提高了故障诊断的难度。因此,发展高容错性的电力系统故障诊断方法,辅助调度人员进行快速故障定位,对确保系统安全稳定运行有重大意义。现有的故障诊断模型存在的主要问题在于:过于依赖故障发生后的保护和断路器动作状态信息,所利用的故障信息源单一,冗余度不高;容错性较差,在存在多种不确定性时,如保护和断路器发生拒动或误动、警报上传速度慢、警报错误或警报丢失的情况下,诊断结果的正确性不高。在此背景下,本论文以现有的基于人工智能算法的故障诊断模型与方法为基本思路,充分考虑了故障过程中可能发生的各种不确定因素,通过建立更加复杂精确的模型和考虑警报信息的时序特征提高模型的容错能力,发展了更加精确合理的故障诊断模型和方法,并取得了一定的研究成果:1)对电力系统故障诊断系统进行了概述。首先分析了故障诊断系统的目标和功能,然后对故障故障信息进行了研究,明确其来源和分类,比较了各信息源所提供的信息内容及各自的特点。最后,提出了电力系统故障诊断的通用型分层结构,能够根据不同的故障状况,对故障信息进行合理的利用。2)提出了融合信息理论的电力系统故障诊断解析模型。首先阐述了故障诊断的信息运动过程,在此基础上通过解析分析保护与断路器动作逻辑和警报信息之间的关系,发展了基于信息量损失最小的故障诊断优化模型,充分考虑了警报信号的不确定性。之后,采用改进遗传算法求解。最后,用浙江电力系统实际发生的故障案例说明了该方法具有较强的容错能力且诊断速度快,对于复杂故障案例,计算时间在1s之内,满足在线故障诊断要求。3)以现有的电力系统故障诊断解析模型为基础,通过系统地设计故障假说结构和构建故障判据,发展了新型故障诊断解析模型。首先,对警报的冗余和时序信息进行预处理,在保全信息完整性的同时,提高诊断效率。新的故障假说结构充分考虑了保护设备的误动/据动,以及警报的误报/漏报和时标错误。在解析目标函数时,对多种保护策略和母线配置进行了讨论,提高了模型的适应性和可用性。采用遗传和禁忌搜索混合寻优算法进行优化求解,开发实用化方案,并采用实际电力系统故障案例进行测试。测试结果证明了该方法正确、有效,能准确识别故障设备,以及对保护装置的动作行为和警报信息进行评价。4)提出了一种融合时序约束网络的模糊Petri网故障诊断模型。通过将Petri网的库所赋予时间属性,以充分计及元件故障、保护动作和断路器跳闸之间的延时约束,并在Petri网的推理运算过程中采用模糊加权算法,提高了模型的容错性。该方法可自动过滤错误警报,有效识别丢失的警报信息以及警报信息时序不一致等情况,能够对继电保护的动作情况进行适当评价。最后,以39节点电力系统为例验证了所发展的模型的正确性和求解算法的有效性。与现有两种方法的比较表明,所发展的诊断方法容错性强,满足大规模电力系统在线故障诊断需要。5)提出了一种高可靠性事件关联性分析方法,以分析故障假说和警报信息之间的关联性,进而进行故障诊断。首先,建立了基于时序约束网络的实时故障诊断模块,以充分利用警报信息中蕴含的时序信息。其中,故障假说生成单元可用于产生于获取的警报关联的故障假说集合;特征采集单元可用于采集关于假说-警报关联性的通用特征;特征分类单元依托于集成化极限学习机,可将假说-警报组进行分类;专家系统可用于对分类单元的所有输出进行全面的分析和解释。基于时序约束网络的特征采集策略将故障诊断模块抽离于具体的网络拓扑和保护配置,赋予了模型强泛化能力。采用14节点仿真案例和实际电力系统故障案例进行测试。结果表明,所发展的诊断方法计算效率高,且容错性强,满足大规模电力系统在线故障诊断需要。最后对所作的研究进行简要总结,并指出了这一领域有待进一步深入研究的问题。