电力系统故障诊断是调度员处理电网事故的重要辅助工具,可以起到缩短事故处理时间、防止事故扩大和提高电力系统自动化水平的作用。在现代工业中,电力系统故障诊断是指利用保护和断路器的动作信息来推断可能的故障位置,识别故障元件和误动作的保护与断路器,并对保护和断路器的动作情况做出评价其中故障元件的识别是故障诊断实现的关键。本文中,首先,对电力系统故障诊断的基本概念和研究背景作了简要介绍,对国内外现有电力系统故障诊断基本理论和常用方法作了分析和比较。阐明了电力系统故障诊断的目标与功能,并介绍了故障分类和故障信息源。其次,基于继电保护动作规则等常规知识,应用优化技术,将电力系统故障诊断问题转化为0-1整数规划问题,建立了解析法的数学模型,并详细探讨了目标函数自动形成方法、故障区域自动识别策略和优化问题求解算法。然后,针对传统故障模型进行了优化,提出两种更完善的故障诊断解析方法,分别是基于混合法的电网故障诊断方法,和基于广域测量系统的故障解析模型。前者可以降低目标变量的维数,使得求解更快捷,后者将当下最流行的广域测量系统中的电气量信息与之结合,预测了电力系统故障诊断未来的发展趋势。提出两种新型群体智能仿生方法,改进粒子群算法和人工鱼群算法均是基于群体搜索的新型优化方法,具有并行处理特征,鲁棒性好,易于实现,且计算效率较高。本文介绍了改进粒子群算法和人工鱼群算法的基本原理,详细论述了两种算法的流程和实现步骤,分析了算法中参数对算法本身的影响,比较了两种算法的特点。在此基础上,应用两种算法求解故障诊断优化问题,给出了算法的具体实现步骤,讨论了算法参数选择等注意事项。最后,在给出的故障诊断测试系统上,对故障情形进行了仿真。与遗传算法等传统优化算法比较,采用改进粒子群算法和人工鱼群算法求解故障诊断优化问题稳定性高、收敛特性好、运行速度快。最后对论文中所作的研究进行简要总结,并指出了这一领域有待进一步深入研究的问题。