随着电力系统的发展，发电机单机容量不断增大，对发电机保护的性能提出了更高的要求。目前发电机保护的动作正确率并不是很高，一些传统的继电保护和故障诊断技术已不能满足电力系统不断发展的要求，提高保护性能成为当务之急。目前，基于人工智能技术的继电保护系统越来越受到重视。　　 发电机定子绕组的最主要故障类型为定子绕组的单相接地故障以及包括相间、匝间的各种定子绕组短路故障。目前的各种保护原理虽然已经成熟，但各自性能的提高已经受到限制。当前各种保护原理都是针对单一原理实现，相对于故障时复杂的电力系统就显得能力有限。本文将ANN应用于发电机定子保护中，将已有的多种成熟的保护原理利用ANN网络进行综合，实现性能更优越的基于ANN的发电机继电保护方案。选择性能优越并且已经成熟的保护原理作为神经网络的输入原理，根据原理要求，确定合适的电气量作为神经网络的输入，建立合适的人工神经网络。网络的权系数对应着明确的物理意义，因此这种ANN的应用方案具备可靠性，不必担心因为神经网络训练的样本不够而导致的可靠性不足的问题。　　 对于定子绕组的相间保护选用传统比率制动原理和新型扇环形制动区原理作为输入原理，在充分发挥两种原理的优点的同时，尽量弥补各自的不足；对于定子绕组匝间保护，考虑不能使用高灵敏度横差保护的情况，选择3次谐波制动纵向零序电压原理和故障分量负序功率方向保护原理作为输入，以期获得两者综合后更好的保护性能；对于定子绕组单相接地保护，选择注入式定子接地保护原理和基于小波的定子接地保护原理作为输入原理，取两者之长，补各自不足，以获得更综合效果更好的定子单相接地保护。　　 通过Matlab仿真得到发电机故障样本数据，利用这些样本对神经网络进行训练，在网络收敛后，通过仿真各种状况下的发电机故障，对所得到的网络进行性能测试。仿真和分析结果表明，基于ANN的发电机定子绕组故障保护方案具有比一般反应单一原理的保护有更优越的性能。