随着电网规模的扩大,电网的结构日趋复杂,电网发生故障后,大量的报警信息上传到调度中心,这给调度人员快速识别故障元件带来了很大困难。已有基于开关量的电网故障诊断方法在保护和断路器正确动作且报警信息无遗漏、不误传的情况下能正确识别出故障元件。但是保护和断路器误动与拒动、报警信息漏报、误报、多位保护和断路器动作信息不正确或缺失时,基于开关量的电网故障诊断方法很难正确识别出故障元件。电气量在准确性、完备性及容错性等方面具有开关量信息无法比拟的优势,本文综合利用电气量和开关量信息,采用灰色关联度分析和改进推理链的方法来提高故障诊断的准确性。基于故障录波数据,本文提出了基于灰色关联度分析的电网故障诊断方法。针对停电区域中每条疑似故障线路,利用故障时刻前后的电流采样值,计算其纵向原始特征序列、纵向幅值、纵向能量3种灰色关联度；选取一条有源参考线路,利用故障时刻后各疑似线路的电流采样值,计算它们与参考线路之间的横向原始特征序列、横向幅值、横向能量3种灰色关联度。对各线路的纵向灰色关联度和横向灰色关联度进行加权融合,得到它们的综合灰色关联度,给出故障判据,准确地识别出故障元件。IEEE14节点系统的仿真实验表明,本方法在不同故障位置、各类故障类型、不同过渡电阻下,均能准确识别出单个故障和双重复故障元件。本文研究了基于因果推理链的贝叶斯网络故障诊断方法。已有基于推理链的电网故障诊断方法存在推理链个数较多、构造较为复杂、没有考虑保护和断路器缺失、误传等不足。本文针对每个疑似故障元件建立一条原始推理链,纠正误报和补充漏报的报警信息,修正原始的推理链。通过对推理链中各保护和断路器动作的可信度进行评估,将推理链中的保护和断路器动作信息从二值逻辑的1或0模糊化为位于0、1之间的可信度值。根据每个疑似故障元件的推理链,建立相应模式的贝叶斯网络模型。通过贝叶斯反向推理得出故障概率。某典型电网的故障算例,验证了本方法的有效性。最后,本文通过改进的D-S融合算法,将基于灰色关联度分析的故障度和基于贝叶斯网络的故障概率进行融合,由融合结果判断故障元件。通过实际算例,验证融合结果具有很好的聚焦性,能正确识别出故障元件。