随着国民经济的发展,电能用户对优质、可靠、稳定的电力供应已成为电能用户的普遍需求。然而由于自然、人为等多种因素,电力系统的故障是不可避免的,造成对用户供电的中断或供电质量的下降,甚至损坏电气设备。另一方面,在电网规模和复杂程度不断增加的同时,电力系统自动化水平也在不断加强,越来越多的自动装置应用到电力系统,当电网发生故障时,各级自动装置会产生大量的报警信息。这些信息在电力系统发生故障时不加选择地涌入控制中心,特别是同时出现多种故障信息并伴随有保护和断路器的拒动、误动时,故障诊断问题就会变得异常复杂。本文围绕电网故障诊断的人工智能方法中的Petri网方法、优化算法和多智能体方法进行了大量的研究工作。目前采用Petri网方法进行故障诊断的研究存在着简单Petri网模拟能力不强、保护划分简单、在进行大规模电网故障诊断时运算维数高,以及电网拓扑结构和保护配置变化的问题。针对该方法,本文提出了计及时间空间参量的诊断思想,更符合保护的实际动作情况。对于元件众多、接线复杂的输电网络进行Petri网建模诊断时,本文提出故障元件连接图的概念,将电网的静态拓扑关联信息与故障时的动态逻辑关联信息解耦,根据元件关联保护的动作优先级将元件连接图映射成Petri网诊断模型。诊断过程中引入谓词Petri网代替简单Petri,将保护信息和断路器信息包含在运算过程中,增强了模拟能力,诊断过程和结果更加直观。建立了电网典型元件的谓词Petri网诊断模型,在电网拓扑结构和诊断数据变化时,动态生成各方向Petri网诊断模型,实时性好,适应电网拓扑结构的改变,降低了大电网元件建模时的维数和运算规模,诊断过程中的关联矩阵稀疏,运算速度快速,并且诊断模型基于实际的保护类型,很好的解决以往按主、近、远划分保护进行诊断而造成保护范围不甚明确的弊病,每类保护范围内的元件明确,诊断结果清晰。在进行电网故障诊断时,时间因素的使用较少,导致诊断模型较粗糙,且造成多解的情况。基于全球定位系统(GPS, Global Positioning System)全网对时的事件顺序(SOE, Sequence Of Event)信息包含了统一时标基准的警报时序信息,如果能有效地利用报警信息的时间特性和开关、保护的因果关系,将能提高故障诊断的准确性和效率。本文通过定义时间段内动态关联路径的概念,构造了能够充分利用警报信息时序特性的电力系统故障诊断的一种改进优化模型,设定元件状态为连续变化的时间变量的函数,能够准确地描述现代电力系统多种保护配置下保护和断路器在故障发生发展过程中的动作时序关系和状态变化,可以得到更为细致的诊断结果。电力系统规模的日益扩大及其不断复杂的设备给准确、快速地诊断出故障带来很多困难。MAS(Multi-agent system)技术可解决传统理论面对大规模复杂系统所遇到的困难,即采用MAS将大规模的复杂系统分解成小的、易于管理和维护的子系统,智能体之间通过相互协作,快速求解过程复杂的大规模任务。本文提出了基于MAS的电网故障诊断模型。此模型中具体的单Agent智能体根据所处的位置,采用各自的电网诊断算法和模型,并且按照电网管理运行组织特点构建的MAS诊断系统,充分利用空间分布、性质分层的全局故障信息,实现大规模电网故障诊断。建立了诊断模型的整体体系结构,并对各组成Agent的信念知识库、行为能力和协商调度流程进行了详细的描述；建立了核心部分-区域诊断Agent内部的体系结构及各模块的功能和工作流程；给出了各Agent的之间的信息交互类型和内容,建立了不同设备之间的统一信息模型,总结了基于MAS理论的电网故障诊断的过程。JADE(Java Agent Development Framework)是符合FIPA规范的Agent的开发平台。JADE提供了一系列API让程序设计人员能够方便的开发Agent程序。本文对JADE的平台环境进行了介绍,说明了JADE中的Agent的生成、执行过程,以及FIPA标准的多Agent通信机制,研究了Agent之间通信的实现,我们采用Java语言作为Agent的实现语言,并利用JADE开发框架,在JADE平台上开发实现了电网MAS故障诊断系统中的主要Agent。