在当前电力大数据背景下,电网规模不断扩大,区域间互联日益紧密,影响电力系统稳定运行的不确定性因素增多,电网发生故障进而引发大范围停电事故的风险升高,对电网故障诊断的准确性、实时性等方面提出了更高的要求。传统的电网故障诊断方法多是基于保护和断路器动作等开关量信息。然而,由于保护和断路器存在拒动、误动以及信息丢失等诸多不确定性因素,仅基于开关量信息的故障诊断难以得到准确的结果。电网发生故障时,首先发生变化的是电压、电流等电气量信息,其在准确性、实时性和完备性等方面有开关量信息无法比拟的优势。为解决当前电网故障诊断方法的准确性问题,本文在电网故障诊断中引入电气量信息,结合开关量信息进行多源信息融合的综合故障诊断方法研究。首先,通过分析开关量信息,应用量子旋转门实现染色体的演化,进行快速收敛和全局最优搜索,约简出最小决策表,提取诊断规则并建立模糊Petri网模型,进行高效的电网故障诊断;随后,对电气量信息进行分析,采用多分辨分析小波变换分别提取元件的电流能量故障度、电流能量畸变度、电压能量故障度以及电压能量畸变度;最后,提出一种分层多源信息融合的故障诊断模型,将开关量故障特征和电气量故障特征作为独立的证据体,应用改进的D-S证据理论进行信息融合,采用改进的模糊C均值决策模型进行聚类分析,得出故障元件集,实现电网的故障诊断。基于PSCAD和MATLAB软件进行仿真算例分析,结果表明本文方法在电网故障诊断中具有准确度高的优势,可为新形势下电网故障诊断与恢复提供一定的理论基础与技术支撑。图33幅,表10个,参考文献82篇。