输电线路绝缘子的污秽闪络是影响电网运行的重大隐患之一,受各地区气象条件、地理环境和周边工业污染物的影响,绝缘子的污闪事故频繁发生,因此对于其污闪机理与放电模型的分析仍有待研究。本文在对分析现有诊断技术后,将人工智能理论、模糊理论、Petri网和神经网络理论融合为可以反映绝缘子工作状态的智能推理架构,构建了一个全面推理其工作状态的智能诊断系统,通过输入相关特征量,运用经优化的模糊Petri网(FPN)来决策其污秽状态和闪络概率。由于闪络事故与绝缘子表面的泄漏电流密切相关,因此本文在传统Rogowski线圈基础上进行了改进,设计了具有实时远程监测、故障定位和闪络跳闸保护功能的泄漏电流监测方案。通过对所监测的电流特性进行分析与计量,将电特征量与非电特征量运用FPN推理规则来描述它们之间的复杂关系。在复杂节点推理上,本文运用改进的神经网络学习算法对网络各层权值进行自适应学习和改进,使得诊断系统能够对已学习的样本知识更新现有的知识库,从而实现对绝缘子污秽度以及闪络状态进行符合实际的精准预测。最后,使用实际测得的实验数据进行算例分析,仿真实验表明提出的智能诊断方法能够有效地推理出绝缘子污秽度,并能对其闪络概率做出评价,决定是否需要有针对性的清扫工作。本文所设计的绝缘子诊断监测系统能有效提高电网设备的故障巡视效率,降低检修人员的登杆次数,使设备维护更有针对性,节约了时间和人力成本,具有重要的工程应用价值和理论研究意义。