随着社会经济的飞速发展,人们对电力系统的需求也越来越高,电力设备的结构和功能越来越复杂,电力系统的自动化及智能程度越来越高,各个电力子系统之间的耦合度也越来越强。一旦设备在运转过程中出现故障,造成电力供应中断,将造成巨大的经济与社会损失,甚至给人们的生活带来灾难性的后果[1][2]。电力设备长期处于室外运行状态,运营人员对于其监管力度相对较弱,大量监控数据涌入调度中心,给运行人员在复杂情况之下识别故障造成困难,因此有必要加强电力系统故障诊断的理论及实际工程应用技术研究,以实现电网故障的自动快速诊断。本文在已有研究基础上利用应用故障树推理技术及神经网络等人工智能技术,融合信息处理技术进行电力系统故障诊断技术研究,并为电力设备状态检修提供优化的决策支持,其包括如下主要内容:1.讨论电力设备运行常见的一场情况及其类型,分析了常见的电力系统故障模式,总结了实际工程领域常用的故障识别和故障诊断方法。2.分析了经典的电力系统故障诊断算法,包括基于经典知识库的故障树定性与定量分析算法,基于神经网络的分析算法及PERTI网络法,贝叶斯网络法等算法。3.分析已有成熟的SCADA监控技术及IEEE COMTRADE标准,并探讨其对于故障诊断系统的辅助支持。4.运用Microsoft .NET Framework技术,初步实现了电力系统故障诊断系统,该系统能够管理常见的电力设备的故障信息,实现与SCADA系统的通信互联,在电力系统出现故障后对故障源进行推理,推理算法基于故障树模式分析算法与神经网络算法。该软件基于电力运营企业内部的Intranet网络,采用C/S模式结构,具有使用方便,推理结果可信度高等特点。