故障诊断是一种利用故障信息之间的逻辑关系和故障机理联合分析而进行故障的辨识与定位的技术。建立合理的诊断模型以及消除诊断过程中的不确定性问题带来的故障扰动,一直是诊断技术中亟需解决的关键问题。其中,时间不确定性问题对故障信息的归属以及推理都产生了不利的影响,国内外学者在不同背景下从不同的角度提出了许多分析和处理方法。针对大量故障信息在时序上混杂在一起不能明确其隶属关系的影响,本文基于模糊理论、贝叶斯概率推理和Petri网相关理论,提出了一种基于时间不确定性问题的时间贝叶斯Petri网模型TBPN (Time Bayes Petri net)及其相应的故障诊断方法。该模型定义了4种库所、4种变迁、时间因素相关的支持度函数以及贝叶斯概率推理函数等,可以将原本时间不确定性的问题转化为故障信息的定量描述,从而得出故障可能发生的概率,与其他Petri网故障诊断模型相比,在时间因素的考虑上更为明确,并将时间作为一种参数,参与故障信息对规则的支持程度的计算。该故障诊断方法在信息的归属阶段给出信息的归属策略,不仅可以使用后续没有使用过的信息,而且还对已经使用过的信息进行重新利用；在信息推理阶段,利用已经匹配好规则的信息和贝叶斯概率推理函数进行概率推理。文中给出一个变电站故障诊断应用案例,结果表明：该模型及其故障诊断方法可以对变电站故障发生过程进行建模与分析,可以定量的给出故障的发生概率,尤其,在信息不完备的情况下,能够快速给出故障的发生概率。该模型有自身的数学的形式化描述,有很好的语义描述能力,容错性和适应性很强,可以适用于较为复杂的诊断过程。