智能变电站是智能电网的基础与支撑,智能变电站的高级应用充分体现着智能化的内涵。不同于传统变电站,智能变电站在发生故障时变电站监控系统会收到大量的告警信息,所以智能变电站的故障诊断就是充分利用多源信息对变电站进行快速准确的故障诊断,给出合理的动作评价,预防恶性停电事故,缩短故障处理实践,提高电力系统的安全与可靠性。本文首先利用Kohonen网络对变电站故障进行初步诊断。Kohonen网络是一种自组织算法网络,自组织算法具有良好的聚类能力,本文利用Kohonen网络对变电站故障进行初步诊断,通过更改Kohonen网络的结构函数,使其适应于变电站故障信息的特点,将故障定位到某个或者某些特定区域。该方法不会产生节点的遗漏,计算速度很快,而且能够具有一定的容错性能,适用于智能变电站的故障初步诊断。然后本文融合变电站故障的不确定信息,基于设备的自身缺陷评价、运行历史评价和检修评判等多种属性建立元件可靠性向量,给出设备之间动作因果关系的模糊值,结合故障告警信息中的时序信息、电气量信息对错误信息进行纠正,使用模糊因果网络进行变电站故障的精确识别,并给出动作评价。运用实际样本通过因果网络给出故障诊断结果,并对故障诊断结果给出因果解释。这种方法原理简单,运行速度非常快,在融合故障的不确定信息后,能够显著提高容错能力,适用于拓扑结构上因果关系不太复杂的变电站。接着本文使用面向元件的思想建立元胞人工神经网络与模糊积分融合的变电站故障诊断方法,以变电站每个元件为中心建立各自的元胞RBF神经网络,使用设备的动作模糊值作为神经元输入,得到每个元件的故障可能性指标,然后通过模糊积分将相互关联的元件故障可能性进行融合,得到整个变电站的总体故障诊断结果,这种方法能够适应复杂系统,而且扩展方便,综合多源信息后能正确判别复杂故障,计算速度满足要求。对于智能变电站,从本文所列举方法可以很好的对不同类型的故障进行诊断分析,而且结合变电站故障的不确定信息,能够给出科学合理的判别与正确动作评价,几种方法使用方便,能够提高故障诊断方法的容错能力与实用性。