电网调度正在向数字化、智能化方向发展,如何充分利用电网中的故障案例、挖掘案例中的时序特性,实现基于数据驱动的故障诊断已经成为电网调度智能化亟待解决的问题。然而目前的电网故障诊断方法依然依赖于人工建立的逻辑模型和经验参数的设定方式,缺少能够用于电网故障诊断的数据驱动模型,无法适应复杂的工程现场实际。为实现基于数据驱动的电网故障诊断,本文提出了告警信息的量化表示方法,提取了故障后告警信息的数量特征与时序分布特征,构建了面向整体故障事件的故障分类模型和面向单个设备的故障设备判别模型,建立了综合故障分类结果和故障设备数量的故障诊断策略,并采用随机森林算法对数据驱动模型求解,实现故障类型和故障设备的确定。算例结果表明,数据驱动模型能够准确判断故障类型和故障设备。为了适应在线故障诊断中,故障事件在时间分布上的随机性,提出了一种基于LSTM的电网故障诊断方法,该方法可以更充分地挖掘数据中的时序特征,采用简单的滑动时间窗口准确捕捉故障事件,其实现方式简单、准确性高。算例结果表明,所提方法在模拟在线故障诊断过程时,能够有效诊断出故障类型和故障设备,具有可行性和有效性。