随着电力行业的发展,电网的规模日益增大,其结构也愈发复杂。当电网发生故障时,需要工作人员能够及时、准确的判断故障位置,避免扩大停电范围,减少一些不必要的损失。受限于目前的设备和环境的影响,大量的报警信息在上传到监测控制与数据采集(SCADA)系统的过程中可能存在丢失或错误,数据存在完备性和不确定性问题。当涉及到保护、断路器误动或拒动时,情况将更加复杂,这些因素会给调度人员在切除故障时带来困难,可能会导致误判或漏判现象出现,从而导致更严重的停电事故发生。因此,真实、可靠信息的获取以及有效的故障诊断方法就显得尤为重要。近年来,研究人员又提出一种针对开关量的故障诊断方法,即模糊推理脉冲神经膜系统,该方法具有并行运算能力、能处理数据的不完整性和不确定性,采用模糊推理,具有较高的容错率,以上这些特点使其能够运用于电力系统故障诊断中。首先,本文对模糊推理脉冲神经膜系统的基本原理进行了研究,针对其在输电线路故障诊断中“AND”信息传递不明确的现象进行改进,使其在诊断过程中信息表述更加清晰;针对现有的模糊推理脉冲神经膜系统在输电线路故障诊断中存在误判现象,提出一种概率合成函数,它能解决以上模型中存在的误判现象。其次,对于现有的模糊推理脉冲神经膜系统在故障推理过程中信息筛选能力不足,提出了时间约束网络,根据保护元件的时间逻辑顺序,对SCADA系统中报警信息来对其进行交叉检查,排除错误信息,提高输电线路的故障诊断精度。然后,针对现有的模糊推理脉冲神经膜系统推理矩阵维数过大的缺陷,提出了一种分层模型,通过将模型进行分解成不同的子网络来降低矩阵的维数,减少了故障推理的计算量。最后,通过算例进行验证,结果表明,本文所提方法在获取相同故障信息情况下的诊断结果要优于未改进之前,加强了对故障的判断程度,同时改进后的模型对网络拓扑结构的变化也有较好的适应性。