电力系统发生故障诊断时,大量警报信息将涌入调度控制中心。丰富的警报信息在提供多样化故障诊断依据的同时也让监控人员应接不暇。同时,由于受到技术、设备和环境等因素影响,警报信息可能存在错误、丢失或畸变等诸多不确定性。所以,在电力系统进行故障诊断时需要借助计算机和人工智能技术帮助分析和处理这些警报信息。因此,对于电力系统故障诊断问题来说,诊断方法的信息处理能力十分重要。脉冲神经膜系统是受生物神经细胞之间通讯机制启发而建立的一类特殊神经型膜系统,是一类动态离散的仿生分布式并行计算模型,具有强大的计算能力和信息处理能力,适用于求解电力系统故障诊断问题。所以,本文针对电力系统故障诊断的实际特点,基于膜计算框架和脉冲神经膜系统理论,从模型抽象、算法设计和实际算例等方面展开,重点研究脉冲神经膜系统的信息处理能力和自适应调整能力,设计适用于求解电力系统故障诊断问题的脉冲神经膜系统。论文首先依据电力系统故障诊断中知识表达和知识推理的实际需求,结合实际生物网络功能结构,从实数模糊推理的角度设计脉冲神经膜系统应用模型,引入输出权重(突触权重)、点火阈值和信息预判断参数等参数项,重新定义神经元、突触、脉冲和点火规则等要素,提出两类模糊推理实数脉冲神经膜系统应用模型——模糊推理实数加权脉冲神经膜系统和模糊推理实数加权预判脉冲神经膜系统,分别设计其推理算法,并建模常用模糊产生式规则。若给出以上系统输入神经元和规则神经元真值,通过执行其推理算法便可自动计算其余神经元真值,顺利完成知识表达和推理。图形化建模过程清晰直观,矩阵推理计算简单,对复杂知识的表达推理有很好的适应性。论文以输电网故障诊断为研究背景,设计电网主要元件的分层模糊推理实数加权预判脉冲神经膜系统诊断模型,给出基于因果网络的时序信息处理方法,提出基于模糊推理实数加权预判脉冲神经膜系统的故障诊断方法。该诊断方法降低了矩阵维度,减少了计算量,提高了模型的自适应能力。为了提高脉冲神经膜系统处理不确定和不精确信息的能力,论文结合知识和信息实际存在情况和真实传播过程,从模糊数模糊推理的角度设计脉冲神经膜系统应用模型,引入梯形模糊数,重新定义神经元、脉冲含义、脉冲处理方式、点火规则和点火条件等要素,提出模糊推理梯形模糊数脉冲神经膜系统,设计其模糊推理算法,建模常用模糊产生式规则。论文以输电网故障诊断为研究背景,设计输电网主要元件的故障模糊产生式规则集,提出基于模糊推理梯形模糊数脉冲神经膜系统的故障诊断方法。由于梯形模糊数的引入,脉冲神经膜系统在不进行输入信息预判的情况下,仍具有很强的模糊知识表达和推理能力,有效减少了方法的复杂度。优化脉冲神经膜系统无需依赖进化计算中的进化算子实现个体进化,算法性能优越。论文采用优化脉冲神经膜系统产生的二进制串表示优化问题中的染色体(个体),首次尝试基于膜计算框架采用优化方法的思路解决电力系统故障诊断问题,提出基于优化脉冲神经膜系统的故障诊断方法。为了验证脉冲神经膜系统实际应用效果,本文探讨了模糊推理实数加权脉冲神经膜系统、模糊推理实数加权预判脉冲神经膜系统、模糊推理梯形模糊数脉冲神经膜系统和优化脉冲神经膜系统在输电网故障诊断中的应用,并采用14母线电力系统和220kV局部电力系统验证脉冲神经膜系统在故障诊断中的可行性和有效性。实验结果表明论文所提出的三类脉冲神经膜系统应用模型和优化脉冲神经膜系统各具特点,且在输电网故障诊断中获得了预期的诊断结果。