随着分布式电源DG(Distributed Generation)大量接入电网,传统的单一集中式发电转向集中式、分布式并存的发电方式,改变了无源配电网的潮流结构和运行方式,使得故障诊断过程更加复杂。目前各行各业对电力系统的安全运行和供电可靠性的要求不断增加,因此电力系统故障定位和故障识别为电力系统的供电的可靠性和连续性提供了保障。电力系统故障定位和故障识别方法就是利用故障后装设在电力系统中的自动化装置产生的大量的报警信息及时有效地进行故障定位和故障识别,虽然SCADA/EMS系统在电力系统故障信息的获取方面起到了一定的作用,但是电网故障时,大量的信息远远超出了运行人员的处理能力,所以迫切地需要一套更加完整的电力系统故障诊断方法,实现对电网故障的完整准确诊断。脉冲神经膜系统中的所有细胞均为神经元细胞,且该系统中的对象只有脉冲。并行计算特性是P系统的优势之一,因为脉冲神经膜系统是源自于生物神经系统中信息交换机制,所以该特性在脉冲神经膜系统中尤其明显。该特性使得脉冲神经膜系统适用于电力系统中的故障定位和故障识别问题。本论文将脉冲神经膜系统应用于电力系统故障定位与故障识别的研究,具体工作如下。针对故障定位,首先,本文在传统的脉冲神经膜系统(SNP系统)的基础上,通过引入新的突触、模型双向性、两种类型的神经元以及取消了轴突迟延,提出了一种基于电突触传递的脉冲神经膜系统(Electrical Synapse-Based Spiking Neural P Systems,EESNPS),该系统将电突触传递的双向特性和电气量(电流的方向)有效地融合,用于含分布式电源配电网故障定位中。其次,本文研究了基于电突触传递的SNP系统的故障定位模型和推理算法;并合理地应用在含分布式电源配电网的双向潮流特性中,该算法具有准确度高、计算量小、模型和推理算法简单直观等特点。最后,在单一故障、多元故障以及信息误报故障等三种故障情形下,利用两个案例验证了该方法的有效性、准确性和可靠性。针对故障识别,在传统的加权模糊推理脉冲神经膜系统(WFRSNP系统)的基础上,通过添加故障信息逻辑特性,提出了一种基于故障信息逻辑的加权模糊推理脉冲神经膜系统(Fault Information Logic-Based Weighted Fuzzy Reasoning Spiking Neural P Systems,FILWFRSNP系统),该方法充分利用了SCADA上传的保护、断路器信息以及它们的动作逻辑特性,配合WFRSNP强大的并行处理信息的能力,可以快速、准确地进行故障识别。最后,本文通过故障案例验证了该方法的准确性、快速性以及容错性。