随着社会科学技术的高速发展,电能成为人们日常生活和国民生产中不可或缺的能源,而电网在整个电力系统中占有举足轻重的位置。我国由于地理等因素造成电网的运行方式和结构日趋复杂,其故障率也成倍地增加,因此准确快速地识别和诊断故障是智能电网领域研究的重点。本文提出了基于概率神经网络算法的电网故障诊断方法,具体实现方法为首先对采集的各个故障信号的有效信息进行特征提取;其次利用概率神经网络算法进行模式分类,以识别故障类型。本文首先研究了基于核主成分分析的概率神经网络算法,从自变量中提取主成分来代替传统的概率神经网络输入,与此同时,数量庞大的神经元样本将被数量有限的模式组合神经元代替,该算法将网络结构极大地优化。此外,本文还研究了基于偏最小二乘法与基于T分布随机近邻嵌入的概率神经网络算法,并对这三种算法进行了仿真与测试,分析了实验结果。仿真结果证明本文提出的方法在电网故障诊断上具有可行性,比起传统的人工智能技术更有优势,将会对电网诊断告警技术的发展提供一定的借鉴和参考。