现阶段我国电网调度正朝着数字化和智能化方向发展,智能化的电网故障诊断对于加快故障处理速度,提升故障诊断效率具有重要意义。然而目前的故障诊断方法多侧重于规则诊断,依赖专家经验和逻辑规则搭建诊断模型,缺乏对故障知识的自动提取能力,难以适应复杂多变的工程现场实际,无法满足电网调度运行对数字化和智能化的要求。本文以实现端到端的电网故障诊断为目的,在深入了解电网故障诊断的研究现状和深度学习的发展基础上,面向告警信息集合,提出了一种基于深度金字塔卷积神经网络的电网故障诊断方法,利用深度金字塔卷积神经网络的深度特征提取能力,提取告警信息中所蕴含的故障特征知识,实现端到端的故障分类和故障设备识别。算例结果表明,该模型能够在复杂电网故障条件下以及复杂数据环境中准确判别多种故障类型,识别故障设备,但对于开关拒动故障需结合电网拓扑结构确定拒动开关。为实现无网络拓扑结构的拒动开关识别,本文引入深度强化学习方法,以无开关拒动样本的单条告警信息为研究对象,通过深度强化学习的自学习能力,学习告警信息所蕴含的设备、保护和断路器之间的拓扑连接关系和动作逻辑关系,实现对故障事件发生后故障切除过程的正确预测,基于此确定故障切除过程中发生开关拒动时的拒动开关。算例结果表明,所提方法能够有效诊断出开关拒动事件的拒动开关,具有可行性和有效性。