电网故障诊断是调度中心进行的系统级故障诊断。推断可能的故障位置和故障类型的依据是对各级保护装置、断路器动作信息以及电气量测量信息的分析、保护动作逻辑和运行人员经验。研究电网故障诊断方法是为将需要人工完成的电网故障判断任务交给计算机来辅助完成,在电网发生故障后能快速准确地给出诊断结果,以便辅助调度员做出合理运行决策。随着电网规模扩大,电网间联系加强,在电网发生故障时信息传输量也大大增加,由此给电网调度运行人员带来了所需处理的海量故障信息,对快速人工识别故障信号造成一定困难。当电网发生复杂故障时,开关、保护存在误动、拒动及因干扰导致信息丢失等诸多不确定因素时,电力系统响应将会复杂化,给电网故障诊断造成更多困难。因此有必要研究一种方法兼顾考虑在前期对海量故障信息去除冗余,同时提高在故障信息含有错误以及丢失等不确定因素时的诊断容错性,以协助调度人员迅速识别故障,保证电力系统安全运行。针对以上问题,本文研究采用关联规则属性约简和贝叶斯网络相结合的电网故障诊断方法。条件属性为保护、断路器信息,考察各种故障情况建立原始决策表,然后利用关联规则进行交互式挖掘,提取关键属性,并对2—项频繁集中的每一频繁项集进行挑选,对朴素贝叶斯网络进行改进,构造扩展贝叶斯网络模型,并对其父节点、子节点进行训练,从而进行故障诊断。在此基础上,为进一步验证诊断效果,以一个较大规模城市电网为例,运用C#程序编写了基于关联规则属性约简和贝叶斯网络算法的软件,并将其应用到该电网模型中,运算结果与其它一些人工智能方法如朴素贝叶斯网络、神经网络等方法得到的数据进行了全面的比较分析。实验结果表明该方法有较高的准确性和容错性,能对大电网模型进行有效地分析和诊断,具有较高的理论和实用价值。