现代电网故障诊断主要是根据调度中心获取的继电保护和断路器信息进行故障元件的定位，快速准确高效的诊断可以保障电网系统的安全稳定运行和可靠供电。然而，随着电网规模的扩大，系统运行机制和结构的复杂化，当故障发生时，调度员难以实现对故障源的定位。同时，电网故障时继电保护和断路器拒动、误动以及故障信息采集不完备等情况增加了准确判断故障元件的难度。针对电网故障诊断问题，主要完成的研究工作如下:　　1.针对故障信息确定状态下的诊断推理问题，采用基于Petri网模型的电网故障诊断方法实现故障元件的识别。利用广度优先搜索方法确定故障区域，建立该区域内可疑元件的故障诊断Petri网模型，并完成状态方程下基于该模型的故障诊断推理过程。通过故障实例验证该方法在故障信息确定状态下进行诊断的合理性与有效性。　　2.为解决Petri网模型不能适应故障信息不确定状态下的诊断推理问题，采用改进加权模糊Petri网模型下的电网故障诊断方法来定位故障元件。针对故障诊断Petri网规模大以及对电网拓扑结构变化适应性不强等问题，给出改进的故障诊断加权模糊Petri网模型;并根据统计规律获取的保护动作正确率来确定诊断模型中继电保护和断路器库所的置信度，以此来描述故障信息的不确定性;利用加权模糊Petri网矩阵推理算法实现不确定故障信息状态下的诊断推理。通过对电网故障时存在的保护和断路器拒动、误动以及故障信息丢失等情况下的仿真分析，验证该故障诊断方法的可行性与有效性。　　3.针对故障诊断加权模糊Petri网模型中权值设定对专家经验的依赖性问题，设计了一种基于自适应加权模糊Petri网的故障诊断方法。该方法在建立可疑电网元件故障诊断加权模糊Petri网模型后，引入改进粒子群算法对诊断模型中的权值进行学习，实现权值的自适应。通过故障案例的仿真与分析，验证基于自适应加权模糊Petri网进行电网故障诊断的准确性。