现代电力的迅猛发展，配电网规模的不断增大，使得其一旦发生故障，对配电网本身、工农业生产和日常生活产生的影响也会随之增大。然而，配电网故障的不可避免性又使得提高配电网故障诊断率成为衡量供电可靠性的一个关键指标之一。因此，寻找一种高效的故障诊断方法对维持整个配电网的安全运行和提高供电可靠性有着非常重要的意义。配电网的故障诊断可以考虑成一个分类问题，而粗糙集理论又是以分类为基础且具有较强的容错能力，因此，在故障信息完备的情况下，本文利用粗糙集理论来进行配电网的故障诊断。得到了进行配电网故障诊断的5大类诊断规则分别是用电区间、变压器、线路、母线和电源故障的诊断规则。虽然粗糙集理论具有较强的容错能力，但是一旦信息系统中存在核心属性丢失或者是异变的情况时，就有可能会导致故障的漏判和错判，在此种情况下，利用MATLAB神经网络工具中的径向基神经网络来处理核心属性丢失（突变）时的配电网故障。然而，在实际的故障情况中，存在保护或者断路器的误动、拒动以及信息失真或丢失等多种不确定因素，将会导致采集到的信息数据不完整、不协调。此时，运用经典粗糙集理论、神经网络等方法处理问题时所得到的结果往往会不理想甚至错误。鉴于极大相容块技术（经典粗糙集理论的一个延伸）在不完备、不协调信息系统的应用中有很高的准确度，本文首次提出了基于极大相容块技术的配电网故障诊断方法。以保护动作信号和断路器发生变化的状态信息当作决策表中的条件属性，以可能发生的故障情况当作决策表中的目标属性，建立决策表；然后，应用极大相容块技术以及广义决策的相关理论对决策表进行属性约简，进而得到了进行配电网故障诊断的10条确定诊断规则和2条最优广义决策规则，从而实现对配电网的故障诊断，并应用实例说明最优决策规则的正确性。该方法不仅能有效的提高故障诊断率，而且还可以减少故障诊断的时间，以便工作人员能够快速恢复非故障区域和检修故障设备。粗糙集理论，作为一种软计算方法和飞速发展的人工智能方法，已经在众多领域内得到了广泛的应用。本文将粗糙集理论应用于配电网的故障诊断中，即使在故障信息系统不完备、不协调的情况下，极大相容块技术也很好的解决了此类问题。将极大相容块技术应用于配电网的故障诊断中，给配电网的故障诊断提供了新的理论方法。