随着电网规模不断扩大和互联程度不断提高,电网发生故障时,若故障不能得到及时有效处理,会演变成大面积停电事故,进而对社会造成重大经济损失。电网故障时,要求调度人员快速准确地完成故障诊断,从而将故障区域隔离并为后续供电恢复工作提供基础。而大量故障多源信息在短时间内涌入调度中心,在提供诊断依据的同时,也给调度人员进行快速、准确的故障诊断增加了难度,会导致调度人员出现误判和漏判的情况,从而使故障情况加剧,造成更严重的停电事故。因此,电网故障诊断方法的研究对及时有效诊断故障,保证电网安全、稳定运行具有重要实际意义。模糊推理脉冲神经膜系统是将模糊理论引入膜计算理论而产生的一种可以处理不确定性因素的计算模型,具有直观的图形表示、并行性、动态性以及不确定性等特点。而电网故障是一个离散动态演变过程,它由故障、保护动作、断路器跳闸等一系列事件组成,且受到不确定性因素影响。模糊推理脉冲神经膜系统的特点使其适合求解电网故障诊断问题,近年来被应用于电网故障诊断领域,得到一定程度的发展。所以,本文在现有基于模糊推理脉冲神经膜系统的电网故障诊断方法的基础上继续深入,研究一种以调度中心获得的故障多源信息为诊断依据的基于模糊推理脉冲神经膜系统的电网故障诊断方法,使其能够利用警报时序信息在警报信息存在不确定性因素的情况下识别出故障元件并且能利用故障电气量信息判断出故障类型,从而给调度人员提供辅助决策。论文首先利用警报时序信息,给出了基于时序模糊推理脉冲神经膜系统的电网故障元件识别方法。该方法首先建立了基于时序模糊推理脉冲神经膜系统的故障元件识别模型,其次利用时序一致性约束检查警报信息有效性,从而修正了保护和断路器动作信息的初始置信度,进而提高了识别结果准确性。最后应用IEEE 39节点电网模型的算例测试了方法的有效性,并与其它方法的结果进行了对比。利用输电线路故障电气量信息,给出了一种将小波变换和模糊推理脉冲神经膜系统相结合的输电线路故障分类方法。该方法首先利用小波变换和奇异值分解提取故障信号特征,然后利用基于模糊推理脉冲神经膜系统的故障分类模型对故障特征进行分类,从而确定故障类型。以500kV输电线路故障模型为例,做了大量仿真分析。仿真结果表明,该方法不受故障初始角、故障位置和过渡电阻等因素的影响且对线路参数以及噪声有较好的适应性。