经济水平的发展和人民生活水平的提升,使得用户及企业对电网稳定运行水平的要求不断提高,同时,大数据、云计算等信息技术及智能算法在各个领域的广泛应用也给电网智能化的发展、电力系统安全稳定运行水平的进一步提高带来新的机遇。目前为了推进智能电网的发展,我国已建设智能变电站试点逾千座,其最大的特点之一是通信系统网络化,使得表征站内运行状态的各类信息更加全面并高度共享,为站内重要功能结构实现快速高效故障诊断及修复提供了条件。智能变电站内重要的功能结构包括继电保护装置、二次控制系统及高压断路器等,当前智能站继电保护及通信网络的可靠性研究成果较多,但是在智能变电站新的技术特点下,对于站内高压断路器故障诊断的系统性研究较少。高压断路器故障会严重影响供电可靠性,及时准确地分析得出其故障原因是保证电网安全运行及智能电网自愈功能实现的重要前提。因此,本文以智能变电站内告警信息为分析对象,提出了一个系统完整的高压断路器故障诊断方法,同时考虑了高压断路器本体故障及相关通信网络故障导致的断路器不正确动作。具体工作及取得的成果如下:针对现有高压断路器故障诊断方法缺乏系统性的问题,本文根据智能变电站新的技术特点,结合高压断路器实际故障信息情况,提出了基于告警信息的高压断路器故障诊断整体架构,该架构包含站内异常信息分析处理过程,断路器故障情况预判方法,以及分别针对高压断路器本体及相关通信网络的故障诊断方法。其中,本文所提出的异常信息分析方法采用BMH(Boyer-Moore-Horspool)算法及语义框架模式,实现目标信息的筛选及重要信息的获取,并基于VSM对语义框架中的信息进行向量化,使其可以直接应用于后续故障诊断算法中,实现数据与算法在线自动对接。在故障诊断算法的案例分析中证明了所提架构及方法的可行性和实用性。由于现有高压断路器本体故障诊断方法主要是基于分合闸线圈电流等微观量进行分析,没有考虑其本身的物理关系,使诊断结果涵盖面和精确性受到局限。本文在分析了高压断路器动作过程的基础上,结合告警信息及故障原因之间的映射关系,建立加权模糊Petri网模型,实现高压断路器的故障诊断。所提方法通过引入虚拟库所和否命题等概念,实现了高压断路器五个动作阶段的相互关联,从而将断路器内部的物理关系融入诊断模型中。通过实际案例分析验证,该方法可以有效且全方位诊断高压断路器故障,得出涵盖各类可能故障原因的诊断结果。现有的研究主要是对高压断路器本体进行故障诊断,缺乏对本体正常时其他部分故障导致断路器不正确动作的研究,对故障原因分析的不全面性不仅会使维修工作陷入瓶颈,也使得未来智能电网自愈难以全面推进。本文针对相关通信网络故障导致高压断路器不正确动作的情况进行分析,提出了一种基于有向二分图模型的故障诊断方法,从而对具体故障原因进行反向追踪。根据GOOSE报文的传递路径将相关通信系统分簇为保护装置、测控装置、通信网络以及智能组件,并将每一簇作为一个子域,在每个子域内基于其告警信息及故障原因的逻辑关系,建立有向二分图模型。通过引入贝叶斯疑似度对故障原因进行计算分析,并结合反向推理进行验证,从概率上保证了结果的准确性。案例分析表明,该故障追踪方法可以及时对高压断路器不正确动作追本溯源,且具有较高的容错性。