伴随着分布式发电技术的不断发展,其对大电网造成的电能质量冲击问题也越来越不容忽视,突出表现为电压和频率控制困难,容易出现偏差。微电网的提出为上述问题的解决提供了一种有效的途径。微电网控制方式灵活,能够整合分布式电源的优势,减小其对大电网的影响,充分发挥分布式电源的价值。然而,微电网中含有大量的电力电子器件,其自身保护机制的作用导致微电网故障时容易出现保护拒动的问题。这给传统的基于保护开关信息的故障诊断方法提出了挑战,而且目前针对微电网的故障诊断研究还比较少,所以研究一种适用于微电网的故障诊断方法是十分必要的。本文在分析和总结传统的基于开关量信息的故障诊断方法的基础上,结合微电网故障时的特点,提出了一种基于模糊积分的信息融合的微电网故障诊断方法。构造了在线与离线故障诊断相结合的微电网故障诊断模型,并通过仿真实验验证了该方法的有效性。1.建立了基于神经网络控制的微电网仿真模型,验证了其可靠性,进一步分析了微电网故障时的特点以及对传统故障诊断方法的影响。2.提出了基于粗糙集属性约简理论的PMU优化配置策略,研究了基于电气量信息的潮流信息匹配的微电网故障诊断方法。提出局部潮流信息匹配度和全局潮流信息匹配度的概念。最后,通过微电网的仿真实验证明了该方法的有效性。3.研究了基于粗糙集属性约简和属性值约简的微电网故障决策表的约简方法,并在此基础上研究了基于多层激励的量子神经网络的微电网故障诊断方法。利用量子神经网络自带的模糊性解决微电网故障信息缺失的问题。通过与传统BP神经网络的对比实验,证明了该方法具有良好的容错性。4.提出将潮流信息匹配和量子神经网络的故障诊断方法相融合的微电网故障诊断方法。实现了电气量信息和开关量信息的结合,增加了微电网故障诊断的可靠性。最后,通过仿真实验证明了该方法能够综合以上两种方法的优势得到良好的诊断效果。最后,总结了论文的主要研究结论和需要进一步深入研究的内容。