随着用电需求不断增加，促进了大电网的形成和发展，在取得明显经济效益的同时，大电网也带来了潜在的威胁。局部电网的某些个别问题可能诱发恶性连锁反应，最终酿成大面积停电的重大事故。近期美、加以及欧洲先后发生的停电事件，造成了非常恶劣的影响，对中国的电网安全再次敲响了警钟。经初步分析表明，美、加大停电的重要原因之一是对电网的故障分析不及时、不准确以及事故应急处理机制不健全。如何提高电力系统故障诊断能力已成为国际关注的前沿问题。由于故障信息存在着不确定性，故障过程很难用传统的数学方法描述，而人工智能技术善于模拟人类处理问题的过程，容易计及人的经验并具有处理不确定信息的能力，在故障诊断领域得到了广泛的应用。 目前大部分智能型实时故障诊断系统大多利用专家系统、神经网络、优化算法、Petri网等人工智能技术进行研究，这些研究大多利用了故障事件序列（SOE）信息中的空间知识。由于故障事件序列中可能存在畸变或丢失现象，这将造成故障误诊断。针对以上不足，本文提出利用时态逻辑技术(TLT)分析故障事件序列中的时态逻辑关系，提取事件序列中时空关联信息以提高诊断系统准确性和可靠性；针对故障信息序列可能出现的信息畸变或丢失，本文引入模拟量状态变化信息提高系统容错性。 本文主要完成以下几个方面的研究内容：分析故障过程中模拟量变化特点，根据诊断系统容错性要求，将模拟量归约为离散状态序列；分析高压电网故障后各种典型处理过程，归纳出数字量动作时序关系及模拟量离散状态迁移特点，形成典型故障事件序列，并以命题线性时态逻辑公式表示其时态约束关系；建立开关、保护动作行为推理模型及重合闸判定流程，分析保护、开关动作信息及模拟量信息之间的冗余关系，考虑1位开关量信息发生畸变的情况下的，利用模拟状态迁移信息进行验证或冗余纠错策略；最后建立DEMO仿真测试系统，以上海电网一部分为基础建立仿真模型，用CLIPS编程实现演绎推理过程，验证了系统的可靠性和容错性。