随着电力系统的规模日趋庞大,结构更加复杂,对电力系统故障诊断提出了更高的要求;人工智能技术的不断发展为电力系统故障诊断提供了许多不同的理论和方法,大量学者分别利用专家系统、人工神经网络、优化技术、Petri网络、粗糙集理论和模糊集理论等方法对电力系统故障诊断进行了研究,都取得了较好的研究成果,但还存在许多需要改进的地方。 针对电力系统故障过程中存在的信息不完备和不确定性问题,并考虑到信息的时序属性,本文提出了一种新的基于贝叶斯网络的方法有效地处理故障诊断中存在的这些问题;同时在所提出方法的特点基础上设计了基于多代理系统(Multi-agent system,MAS)的故障诊断体系结构。文章主要的研究工作可以概括为以下几个方面: 1.建立了基于贝叶斯网络的电力系统故障诊断模型,在此基础上考虑信息时序属性,建立了蕴含信息时序属性的故障诊断贝叶斯网络模型; 2.研究了信息预处理问题,提出了信息时序一致性识别算法和不完备信息状态估计推理方法; 3.用贝叶斯网络方法进行电力故障诊断推理,并通过算例计算验证了该方法的有效性; 4.提出了故障诊断贝叶斯网络的概率学习算法; 5.在故障诊断贝叶斯网络特点基础上,建立了基于MAS的故障诊断体系结构,并对该体系结构进行了分析说明。