随着电力系统规模扩张、智能化系统的投入及新能源发电的接入,使电网结构的复杂性与不确定性不断增加,维持电力系统运行可靠性是当前电力领域研究的共同目标。一旦电力系统发生故障引起保护动作断路器跳闸,将会有海量的报文信息涌入调控系统,因此对监控系统中海量的实时故障数据进行有效过滤、采用智能化的故障诊断分析方法迅速发现故障源,对于提高故障事后处理效率、减少停电时间、提高电力系统运行可靠性具有重要的研究意义。针对电网运行过程中存在保护断路器不正确动作、报文信息不正确传输及多重复杂故障下信息冗余、难以快速定位故障元件的问题,本文提出一种基于SCADA系统监控信息的多种群遗传算法电网故障诊断模型。通过建立故障信息检测处理模型,对初始故障时段监测的报文信息数据进行筛选处理,其后根据保护动作信息及相关断路器动作信息的关联性,判定报文信息的有效性及可信度,供故障诊断模型使用。为减少故障诊断模型的计算量,建立故障区域快速识别模型。对比系统拓扑结构与报文信息经处理后得到的有效数据,识别出关联性元件,将关联性元件集合组成的故障区域作为故障诊断模型的求解对象。根据目前继电保护动作逻辑,对传统故障诊断优化模型进行修正,构建目标函数时增加重合闸动作对元件故障假说影响的约束条件,能提高故障诊断模型的实用性。为改善传统遗传算法早熟收敛及收敛速度慢的缺点,提出使用改进型多种群遗传算法进行故障诊断模型求解,并通过算例验证改进算法的寻优能力。利用MATLAB平台构建本文提出的故障诊断模型,并采用IEEE9节点系统进行仿真分析,分别模拟单一性故障、保护断路器不正确动作及多重继发性故障不同的故障状态,利用经典遗传算法及多种群遗传算法对其进行求解。通过对比不同算法下的优化仿真结果,验证本文提出方法在电网故障诊断方面的有效性。