电网跳闸故障的快速准确识别对于维持电网供电的可靠性起到重要作用,针对当前电网故障识别算法存在故障元件识别算法容错性差、计算速度慢,故障类型辨识算法易受各种噪声影响以及故障原因分析算法缺失等问题,本文设计了一套考虑保信、故障录波以及外部气象告警信息的电网跳闸故障诊断算法以实现电网故障元件的快速、准确识别,并能辨识故障类型及量化分析故障原因。论文主要工作包括如下几个方面:首先,针对传统电网故障元件识别解析算法对于故障告警信息容错性较差的问题,提出一种考虑告警时序的电网故障元件识别解析算法。对传统电网故障元件识别数学解析方法进行改进,定义了故障告警信息时序判据的告警值与期望值,并以二者差值作为告警信息时序判据匹配项加入原有目标函数,该时序判据匹配项能够在告警信息错漏情况下有效降低错误优化变量被选中几率,提升算法对于故障告警信息的容错性。其次,针对传统优化算法求解电网故障诊断解析模型快速性及准确性不足问题,提出一种基于改进遗传算法的电网故障元件识别算法。对基本遗传算法进行改进,设计了能依据迭代次数与个体适应值改变而改变的交叉与变异概率计算公式,以此提升遗传算法的收敛速度与全局搜索能力,进而提高了故障元件识别算法的快速性及准确性。然后,在上述故障元件识别的基础上进一步对故障类型进行辨识,并针对信号噪声对于故障类型辨识的干扰问题,设计了一种基于形态-小波算法的电网故障类型辨识方法。针对故障电流所含有的各种噪声,基于LMS算法采用半圆形与矩形结构元素构建多尺度多结构元素自适应复合形态学滤波器进行滤波。然后,利用Haar小波与db4小波对滤波后的故障电流进行小波变换,通过比较变换后小波参数相对大小辨识故障相别与接地类型。该算法利用形态滤波器与小波变换有效提升了算法抗噪能力。最后,针对当前故障诊断算法缺乏对气象因素导致的故障的原因分析的现状,提出一种基于TOPSIS的气象因素所引起的线路故障的故障原因量化分析算法。引入外部气象告警信息作为故障外部原因分析判据,利用TOPSIS对故障线路所关联的气象因素告警信息进行综合评估,结合评估结果与各气象因素下的线路历史故障概率计算各气象因素作为故障成因的概率值。该算法能够在多种故障场景下准确识别故障成因,为运行人员提供有效辅助信息。