電力系統(tǒng)故障診斷是通過利用有關電力系統(tǒng)及其保護裝置的廣泛知識和繼電保護等信息來識別故障的元件位置（區(qū)域）、類型和誤動作的裝置，其中故障元件的識別是關鍵問題。電力系統(tǒng)故障診斷研究具有重要的現(xiàn)實意義。隨著電力系統(tǒng)規(guī)模的不斷擴大和結構的日益復雜，大量的報警信息在短時間內涌人調度中心，遠遠超過運行人員的處理能力，易使調度員誤判、漏判，為了適應各種簡單和復雜事故情況下故障的快速、準確識別，需要電力系統(tǒng)故障診斷系統(tǒng)進行決策參考。同時，由于電力系統(tǒng)調度自動化水平不斷提高，越來越豐富的報警信息通過各變電所的遠程終端裝置（RTU），傳送到各級電網(wǎng)調度中心，使得利用采集的實時信息進行電力系統(tǒng)故障診斷成為可能。另外，對于電力系統(tǒng)故障的仿真分析和模擬培訓，也可以通過電力系統(tǒng)故障診斷系統(tǒng)來提升調度員的經(jīng)驗和水平。目前，國內外提出了許多電力系統(tǒng)故障診斷的技術和方法，主要有專家系統(tǒng)、人工神經(jīng)網(wǎng)絡、優(yōu)化技術、Petri網(wǎng)絡、模糊集理論、粗糙集理論、多代理技術。
　　
　　本文首先綜述了電力系統(tǒng)故障診斷的各種研究方法，評述了這些方法中需要改進之處，并進一步指出了該領域所需解決的關鍵技術問題和主要發(fā)展趨勢。它們對構建電力系統(tǒng)故障診斷智能輔助決策系統(tǒng)具有重要的指導意義，對保證電力系統(tǒng)的安全運行、減少事故的經(jīng)濟損失具有重要的理論和現(xiàn)實意義。
　　
　　一、國內外研究發(fā)展狀況
　　
　　1.1基于專家系統(tǒng)的診斷方法
　　
　　專家系統(tǒng)（expertsystem）利用專家推理方法的計算機模型來解決問題，己獲得日益廣泛的應用。目前，專家系統(tǒng)用于電力系統(tǒng)故障診斷是比較成功的。根據(jù)故障診斷的知識表示和所用推理策略的不同，專家系統(tǒng)主要有2類:
　　
　　1）基于啟發(fā)式規(guī)則推理的系統(tǒng)。
　　
　　此類系統(tǒng)把保護、斷路器的動作邏輯以及運行人員的診斷經(jīng)驗用規(guī)則表示出來，形成故障診斷專家系統(tǒng)的知識庫，采用數(shù)據(jù)驅動的正向推理將所獲得的征兆與知識庫中的規(guī)則進行匹配，進而獲得故障診斷的結論。現(xiàn)在大多數(shù)故障診斷屬于這一類。
　　
　　2）結合正、反推理的系統(tǒng)。此類系統(tǒng)結合了正反向混合推理方法，根據(jù)斷路器和繼電保護與被保護設備之間的邏輯關系建立推理規(guī)則，同時通過反向推理，有效地縮小可能故障的范圍，以動作的繼電保護與故障假設的符合程度計算可信度。文獻[4]介紹了基于事例推理（CBR）和基于規(guī)則推理（RBR）的混合推理的故障診斷專家系統(tǒng)。由于采用了混合推理，提高了故障診斷專家系統(tǒng)的適應性與自學習能力。
　　
　　基于專家系統(tǒng)的診斷方法的主要特點是可以方便地把保護、斷路器的動作邏輯以及運行人員的診斷經(jīng)驗用規(guī)則表示出來，并允許在知識庫中增加、刪除或修改一些規(guī)則，以確保診斷系統(tǒng)的實時性和有效性，同時還能夠給出符合人類語言習慣的結論，并具有相應的解釋能力等，比較適合中小型電力系統(tǒng)和變電站的故障診斷。該方法在實際應用中仍然存在如下主要缺陷:①建立知識庫及驗證其完備性比較困難;②容錯能力較差，缺乏有效的方法識別錯誤信息;③大型專家系統(tǒng)的知識庫的維護難度很大;④專家系統(tǒng)在復雜故障診斷任務中會出現(xiàn)組合爆炸和推理速度慢的問題。這些缺陷使得專家系統(tǒng)難以滿足大規(guī)模電力系統(tǒng)在線故障診斷的需要，目前主要應用于離線故障分析。
　　
　　1.2基于人工神經(jīng)網(wǎng)絡的診斷方法
　　
　　與專家系統(tǒng)相比，基于人工神經(jīng)網(wǎng)絡（ANN——artificialneuralnetwork）的故障診斷方法具有魯棒性好、容錯能力強和學習能力強等特點。目前應用于電力系統(tǒng)故障診斷的ANN有:基于BP（ackpropagation）算法的前向神經(jīng)網(wǎng)絡和基于徑向基函數(shù)的神經(jīng)網(wǎng)絡等。文獻[4]給出了典型的故障診斷神經(jīng)網(wǎng)絡BP模型，其實現(xiàn)方法是:以電力系統(tǒng)繼電保護信息作為ANN的輸入，以可能發(fā)生的故障作為其輸出，選擇適當?shù)臉颖炯柧欰NN。整個訓練過程為:首先根據(jù)網(wǎng)絡當前的內部表達，對輸入樣本進行前向計算;然后比較網(wǎng)絡的輸出與期望輸出之間的誤差，若誤差滿足條件，則訓練結束，否則，將誤差信號按原有的通路反向傳播，逐層調整權值和閥值，如此反復，直至達到誤差精度要求。文獻[5]將大型輸電網(wǎng)絡分區(qū)，對各個區(qū)域分別建立基于BP算法的故障診斷網(wǎng)絡，然后綜合獲得zui終的故障診斷結果。
　　
　　基于ANN的診斷方法的主要特點是避免了專家系統(tǒng)故障診斷所面臨的知識庫構造等難題，不需要推理機的構造。由于用于ANN訓練的完備樣本集獲取困難，目前該方法只比較適合中小型電力系統(tǒng)的故障診斷。ANN方法在故障診斷應用中存在的問題主要是:①其性能取決于樣本是否完備，而大型的電力系統(tǒng)的完備樣本集獲取非常困難;②與符號數(shù)據(jù)庫交互的功能較弱;③不擅長處理啟發(fā)性的知識;④不知如何確保ANN訓練時收斂的快速性和避免陷人局部zui小;⑤缺乏解釋自身行為和輸出結果的能力。以上缺點限制了ANN故障診斷方法在線應用于大型電力系統(tǒng)。如何設計適用于大型電力系統(tǒng)的故障診斷系統(tǒng)，仍然是一個有待進一步研究的問題。
　　
　　1.3基于優(yōu)化技術的診斷方法
　　
　　基于優(yōu)化技術（optimizationmethods）的診斷方法是一種基于數(shù)學模型的求解方法，其基本思想是將電力系統(tǒng)故障診斷問題描述成為0-1整數(shù)規(guī)劃問題，并構造一種解析數(shù)學模型，利用優(yōu)化技術尋找問題的*解。文獻[6]建立了根據(jù)保護動作和繼電器信息識別故障元件的數(shù)學模型，并從診斷結果應該盡可能解釋所有報警信息的角度出發(fā)，給出了故障診斷問題的適應度函數(shù)，從而將電力系統(tǒng)故障診斷問題轉化為0-1整數(shù)規(guī)劃問題。文獻[7]提出了發(fā)生故障時的報警信息（即保護動作和斷路器跳閘信息）對不可觀測的保護（即動作信息在電力系統(tǒng)調度中心不可獲取的保護）狀態(tài)迸行識別的新概念，并構造了故障診斷與不可觀測的保護狀態(tài)識別集成的0-1整數(shù)規(guī)劃模型。
　　
　　基于優(yōu)化技術的診斷方法的主要特點是其診斷模型理論上是嚴密的，不需要引入啟發(fā)式知識，用常規(guī)的算法即可實現(xiàn)，它比較適合所需信息比較完整的電力系統(tǒng)故障診斷。該方法需要改進之處主要包括:①如何建立合理的電網(wǎng)故障診斷數(shù)學模型，在形成目標函數(shù)的過程中，需要考慮多級后備保護時比較困難;②由于優(yōu)化方法在尋優(yōu)過程中存在隨機因素，有可能會失去某些*解;③由于在診斷過程中必須進行迭代，從而導致速度較慢，提高診斷速度也是一個重要的研究方向。
　　
　　1.4基于Petri網(wǎng)絡的診斷方法
　　
　　Petri網(wǎng)絡是在構造有向圖的組合模型的基礎上，形成可以用矩形運算所描述的嚴格定義的數(shù)學對象。Petri網(wǎng)絡是離散事件動態(tài)系統(tǒng)建模和分析的理想工具。電力系統(tǒng)故障發(fā)生屬于一個離散事件的動態(tài)系統(tǒng)，由系統(tǒng)中各級電壓的變化、各類保護的動作反映故障，并把切除故障的過程看做一系列事件活動的組成，而事件序列與相應實體在一起。動態(tài)事件主要包括實體活動（例如斷路器、繼電保護裝置等）和信息流活動（例如信號傳遞、控制指令發(fā)送、各監(jiān)測信號流等）。
　　
　　鑒于電力系統(tǒng)故障動態(tài)過程描述的可行性，可用Petri網(wǎng)絡構造電力系統(tǒng)診斷模型。文獻[8]以輸電網(wǎng)絡中的設備為單位，首先研究了故障"切除"過程的Petri網(wǎng)絡模型，進而對故障診斷的Petri網(wǎng)絡模型求解。文獻[9]在此基礎上加人了后備保護的模型，進一步發(fā)展了基于Petri網(wǎng)絡的故障診斷模型。文獻[lO]提出了嵌人冗余Petri網(wǎng)絡方法，它在原考慮的故障類型Petri網(wǎng)絡的基礎上加入錯誤伴隨式矩陣C，其目的是要解決由于網(wǎng)絡中事件序列和信息流不正常時（如保護或斷路器的拒動等）的故障診斷。
　　
　　基于Petri網(wǎng)絡的診斷方法的主要特點是它可以對同時發(fā)生、次序發(fā)生或循環(huán)發(fā)生的故障演化過程進行定性和定量的分析，比較適合于變電站的故障診斷。該方法存在的不足之處主要有:①對大規(guī)模電網(wǎng)基于Petri網(wǎng)絡模型建模時，因設備增加和網(wǎng)絡擴大會出現(xiàn)狀態(tài)的組合爆炸;②petri網(wǎng)絡方法的容錯能力較差，不易識別錯誤的報警信息;③基本的Petri網(wǎng)絡不能描述時間特征要求高的行為特征，因此在復雜系統(tǒng)建模時，需要采用的Petri網(wǎng)絡，例如謂詞/變遷網(wǎng)、有色時間網(wǎng)等。
　　
　　1.5基于粗糙集理論的診斷方法
　　
　　粗糙集理論（roughsettheory）是波蘭Z.Pawlak教授于1982年提出的一種處理不完整性和不確定性問題的新型數(shù)學工具。文獻[11]描述了粗糙集理論的主要思想:在保持分類能力不變的前提下，通過知識約簡，導出問題的決策或分類規(guī)則。它無需提供問題所需處理的數(shù)據(jù)集合之外的任何先驗信息，能有效地分析和處理不、不一致、不完整等各種不完備數(shù)據(jù)，從中發(fā)現(xiàn)隱含知識，揭示潛在規(guī)律。鑒于粗糙集理論的*性，已經(jīng)有不少研究人員把它引人到故障診斷系統(tǒng)中。文獻[12,13]把粗糙集理論應用于電力系統(tǒng)故障診斷和警報處理，嘗試應用粗糙集理論來處理因保護裝置和斷路器誤動作、信號傳輸誤碼而造成的錯誤或不完整警報信號，提出的方法考慮各種可能發(fā)生的故障情況，建立決策表（類似于ANN故障診斷的訓練樣本集），然后實現(xiàn)決策表的自動化簡和約簡的搜索，刪除多余屬性后抽取出診斷規(guī)則，揭示警報信息內在冗余性。文獻[14]提出了基于粗糙集理論與二元邏輯運算相結合的屬性約簡算法以及改進的值約簡算法，并將其應用于由斷路器和保護作為條件屬性、故障區(qū)域作為決策屬性的診斷決策表的約簡過程中，利用決策表的約簡形成綜合混合知識模型。文獻[15]提出和構造了4類不同的粗糙集與神經(jīng)網(wǎng)絡（NN）組合的故障診斷模型，給出了粗糙集與NN在4類模型中實現(xiàn)不同的互補性、關聯(lián)關系、應用機理和原則及相應的局限性。
　　
　　基于粗糙集理論的診斷方法的主要特點是:它能較強地處理信息不完整和信息冗余的情形，比較適合中小型電力系統(tǒng)和變電站的故障診斷。該方法需要進一步改進之處有:①粗糙集方法的診斷規(guī)則的獲取取決于條件屬性集下各種故障情況訓練樣本集;②當丟失或出錯的警報信息不是關鍵信號時，不會影響診斷結果;然而，當丟失或出錯的警報信息是關鍵信號時，診斷結果將受到影響;③當考慮發(fā)生多重故障時，粗糙集方法將出現(xiàn)決策表十分龐大、甚至出現(xiàn)"組合爆炸"問題。
　　
　　1.6基于模糊集理論的診斷方法
　　
　　模糊集理論（fuzzysettheory）在電力系統(tǒng)故障診斷的應用分2類情況:一類認為診斷所依據(jù)的信息正確，但故障與對應的動作保護裝置和斷路器狀態(tài)之間存在不確定的關聯(lián)關系，以及用模糊隸屬度對這種可能性進行描述的度量;另一類則認為診斷所依據(jù)的報警信息的可信度不為1，而根據(jù)系統(tǒng)網(wǎng)絡拓撲與故障所發(fā)生的動作保護、斷路器狀態(tài)賦予報警信息的可信度，再由專家系統(tǒng)或ANN給出故障診斷結果的模糊輸出。文獻[16]屬前一類，認為故障與動作的保護裝置之間、動作的保護裝置與所控制的斷路器之間可以存在不確定的關聯(lián)關系，可以用模糊數(shù)學來描述它們之間的關聯(lián)關系。根據(jù)可能的故障，可以尋找由故障點到報警信息可能的通路，再尋找故障點與可能動作的保護裝置之間、動作的保護裝置與可控制的斷路器之間關聯(lián)關系，合成總的模糊度，用以表示故障診斷位置可能性的度量。文獻[17]屬后一類，它先對診斷模型所依據(jù)的輸入信息模糊化，根據(jù)輸電網(wǎng)絡拓撲的當前情況，對保護、斷路器動作行為的統(tǒng)計數(shù)據(jù)賦予報警信息可信度，通過ANN或專家系統(tǒng)診斷模型輸出模糊數(shù)，再由反模糊系統(tǒng)去解釋其輸出，提供給運行人員一個語言化的結論。
　　
　　基于模糊集理論的診斷方法的主要特點是:它能處理信息的不確定性，往往需要與其他各種人工智能技術（例如專家系統(tǒng)、ANN等）結合在一起使用。根據(jù)對模糊系統(tǒng)具體應用的分析，得出尚須深人研究的問題有:①對不確定性問題用隸屬度函數(shù)來描述時，應建立什么樣的有效隸屬函數(shù)是極其關鍵的問題;②大規(guī)模復雜系統(tǒng)的模糊模型的建立存在難度，同時，當診斷系統(tǒng)的結構等發(fā)生變化時，與其有關的模糊知識庫或規(guī)則的模糊度也要相應修改，可維護性能較差。
　　
　　1.7基于多代理系統(tǒng)的診斷方法
　　
　　多代理系統(tǒng)（MAS——multi-agentsystem）被看做是分布式人工智能的試驗平臺，當一個問題在多個物理上或者邏輯上能形成分解的問題求解實體時，每個子問題求解實體僅僅擁有問題求解所需的有限數(shù)據(jù)、信息和資源，不同的子間題求解實體之間必須相互交互才能zui終求解問題。MAS中Agent的自治性以及Agent之間的合作、協(xié)同等特征為電力系統(tǒng)故障診斷提供了一種自然的建模方式。文獻[18]以Agent技術來實現(xiàn)故障恢復系統(tǒng)，系統(tǒng)由數(shù)個母線Agent單元和惟一的一個在整個決策過程中充當了管理角色的服務Agent，在服務Agent的協(xié)調下，母線Agent單元在故障狀態(tài)下通過與其他母線Agent單元相互作用、交換、通信、合作，形成多Agent診斷系統(tǒng)，得到局部*目標。文獻[19]提出了利用監(jiān)控與數(shù)據(jù)采集（SCADA）系統(tǒng)和數(shù)字故障記錄信息的基于MAS技術的電力系統(tǒng)故障診斷體系結構，該體系結構包含6個核心Agent，并應用基于知識和基于模型推理方法自動解釋SCADA系統(tǒng)數(shù)據(jù)和故障記錄。文獻[2O]提出了一種基于Web的MAS變電站故障診斷方法，該方法是以架構于Web上的廣域分布式人工智能系統(tǒng)為基礎，形成一個動態(tài)診斷MAS，該文還討論了各個Agent的功能與協(xié)作以及多專家的協(xié)同診斷方法。
　　
　　MAS研究的重點在于如何協(xié)調在邏輯上或物理上分離的、具有不同目標的多個Agent的行為，使其聯(lián)合采取行動或求解問題，協(xié)調各自的知識、希望、意圖、規(guī)劃、行動，以對其信息、資源進行合理安排，zui大限度地實現(xiàn)各自的目標和總體目標，以對更復雜、更大規(guī)模的問題的解決起到重要作用[121]。MAS是解決大規(guī)模電力系統(tǒng)故障診斷問題很有前途的發(fā)展方向。但MAS中各Agent的知識和行為、協(xié)調與協(xié)作是有待深入解決的核心問題。
　　
　　二、電力系統(tǒng)故障診斷發(fā)展趨勢
　　
　　隨著電網(wǎng)建設的發(fā)展、計算機技術和網(wǎng)絡技術以及數(shù)學和智能科學理論的發(fā)展，不斷有新的電網(wǎng)故障診斷方法出現(xiàn)，從電力系統(tǒng)故障診斷理論與方法研究和應用的深度、廣度可以清晰地看到，其研究仍停留在理論和模型的探索階段，基本上沒有非常成功的成型實用系統(tǒng)，實用化方面一直未有太大的發(fā)展。由于以前技術和設施的原因，導致信息資源比較有限，從發(fā)表的文獻來看，電網(wǎng)故障診斷系統(tǒng)大多依托于調度端或變電站內，分別利用調度SCADA系統(tǒng)的實時信息或站內綜合哥動化系統(tǒng)收集的信息來實現(xiàn);隨著系統(tǒng).i十算機和網(wǎng)絡技術的發(fā)展，以及故障錄波網(wǎng)絡的建設，后來又發(fā)展了基于故障錄波信息的故障診斷系統(tǒng)。此系統(tǒng)的建設，使諸多的信息孤島納人系統(tǒng)中，對故障后所有相關的故障信息，例如保護裝置信息、錄波器信息、雷電定位信息、監(jiān)控裝置信息等，進行采集、傳輸、存儲和處理，為電網(wǎng)故障處理提供了信息支持。這些寶貴的信息為新的電網(wǎng)故障診斷方法提供了基礎，大大拓展了電網(wǎng)故障診斷的研究方向。因此，在電網(wǎng)故障診斷理論的實用化過程中，必須充分重視信息的收集與整理工作，包括用于故障診斷的數(shù)據(jù)倉庫的構建、故障綜合信息的預處理和診斷知識的提取等。
　　
　　為了更好地研究和應用電力系統(tǒng)故障診斷問題，今后應重點開展以下5個方面的工作:
　　
　　1）信息不完整情況下的電力系統(tǒng)故障診斷方法研究。目前大部分現(xiàn)有的故障診斷方法大多立足于所依靠的信息*正確可信的基礎上，例如準確而完整的繼電保護與斷路器動作信息（從電力系統(tǒng)的調度中心處獲得），末考慮信息傳輸中出現(xiàn)不完整、錯誤或不同信息相矛盾等實際中普遍存在的現(xiàn)象。事實上，要將所有繼電保護的狀態(tài)信息都送到電力系統(tǒng)調度中心，在布線上有很大困難且費用巨大，因而在很多調度中心（特別是發(fā)展中國家的電力系統(tǒng)調度中心）的繼電保護信息很不完整（斷路器信息一般比較完整）。這樣，現(xiàn)有方法的前提條件在很多實際電力系統(tǒng)中是無法滿足的，應用這些方法時必須給出一些簡化假設，例如假設狀態(tài)信息不可獲取的繼電保護均處于末動作狀態(tài)，這樣做與實際情況可能是不相符的，有可能引起錯誤的診斷結果。到目前為止，對繼電保護信息不完整情況下的電力系統(tǒng)故障診斷問題還沒有提出系統(tǒng)的解決方法，這是電力系統(tǒng)故障診斷領域中有待解決的主要難題之一。
　　
　　2）融合多種智能技術的綜合電力系統(tǒng)故障診斷方法研究。由上述的智能診斷方法可以看出，采用單一智能模式僅能解決某個或某些方面的問題，診斷性能有一定的提高，但不可能很好地解決電網(wǎng)故障診斷所面臨的所有難題，甚至一種方法的采用還帶來了一些新的問題。因此，采用多種智能方法混合來實現(xiàn)電網(wǎng)故障診斷成為一個必然的研究思路。畢竟電網(wǎng)故障診斷本身就是一個多層次、多種類問題的求解過程。因此，必須關注智能科學及其他相關學科的發(fā)展，適時地引入新的研究成果，包括當前較熱門的數(shù)據(jù)挖掘理論[22，23]，粗糙集理論[12，13]、MAS[19，20]。等，必將為電力系統(tǒng)故障診斷研究開辟新的途徑。基于已有的研究成果，揚長避短，采用多種智能技術混合的綜合電力系統(tǒng)故障診斷方法也是以后值得關注的一個重要研究方向。
　　
　　3）基于MAS的診斷方法研究。由于電力系統(tǒng)信息本身的拓撲特點，導致現(xiàn)有故障診斷策略大都偏重于利用單個診斷對象的局部信息，例如調度中心基于跳閘開關信息的故障診斷系統(tǒng)、變電站中基于故障錄波器所提供的開關量信息或交流量信息，以及保護裝置動作信息的故障診斷系統(tǒng)等;較多的傳統(tǒng)診斷技術僅立足于解決單個診斷對象的知識樹構造、模型構造或相關計算方法的改進，未能從電網(wǎng)全局的角度來研究分析故障原因，所以很難提供調度人員可以直接采用的輔助決策結論。事實上，電網(wǎng)發(fā)生故障必然涉及系統(tǒng)中的多個變電站、控制中心等部門，例如高壓線路單一故障，需要兩端信息交互的主保護實現(xiàn)全線速動，只有綜合分析兩端變電站的事故后信息才能快速、準確地給出診斷結果。因此，準確地獲得電網(wǎng)故障診斷結果需要全局信息，而以往的基于調度中心的電網(wǎng)故障診斷方法，雖然信息來自全網(wǎng)，但不充分，于開關量信息，站內的大量故障信息不能充分發(fā)揮作用;而基于站內的診斷系統(tǒng)信息片面，難以實現(xiàn)理想的故障診斷。因而，基于具有分布式智能特性的MAS，利用全局信息來實現(xiàn)電網(wǎng)故障診斷，具有很好的結合點，有望取得一定的突破。目前該方向研究的重點和難點包括:①基于MAS的開放式信息集成平臺及其體系結構;②基于MAS的分層分布式電網(wǎng)故障診斷系統(tǒng)的模型與體系結構;③多層次診斷知識的提取和描述；④診斷Agent內部結構等。
　　
　　4）電力系統(tǒng)健康診斷研究。故障診斷是根據(jù)故障特征對己經(jīng)發(fā)生的故障進行定位和對故障發(fā)展程度進行判斷，其內容還可以進一步拓展。zui近，文獻[24]提出了電力系統(tǒng)健康診斷的概念，是指通過對設備、網(wǎng)絡和系統(tǒng)的狀態(tài)實時進行掃描，建立其健康檔案，實施動態(tài)跟蹤，根據(jù)其特征量的變化，診斷其健康程度，及時發(fā)現(xiàn)病灶并報警，必要時加以消除。顯然，健康診斷涵蓋了故障診斷、故障預測概念，但在內容和時間上都有了進一步的延伸。在內容上，相當于從大病延伸到小病，在時間上，則從故障時延伸到平時。健康診斷可以掌握電力系統(tǒng)的健康狀況，做到防患于未然，消除電力系統(tǒng)的潛伏性故障，防止突發(fā)性事故發(fā)生，減少事故損失。電力系統(tǒng)健康診斷是一個非常有意義和挑戰(zhàn)性的提法。但目前實質性的研究工作還較少，有待進一步深人研究。
　　
　　5）電力系統(tǒng)故障診斷的實用化研究。雖然故障診斷有不短的研究歷史，也取得了不少成果，但與需求之間還有一定距離，實用化也比較差。目前迫切需要爭取電力企業(yè)的支持，依托科研機構的研究實力，開展電力系統(tǒng)故障診斷的實用化研究:結合電力系統(tǒng)的實際情況，充分重視故障綜合信息的收集與整理，包括用于故障診斷的數(shù)據(jù)倉庫的構建、故障綜合信息的預處理和診斷知識的提取等，構建、實現(xiàn)區(qū)域電網(wǎng)的故障診斷系統(tǒng)，從實際應用中提煉出關鍵問題，采用智能化診斷方法實現(xiàn)診斷范圍內故障后的分析處理，為運行、檢修人員查找事故原因提供輔助分析和決策手段。
　　
　　三、結語
　　
　　電力系統(tǒng)故障診斷是關系到電力系統(tǒng)安全穩(wěn)定運行的重要問題，國內外從20世紀80年代起已經(jīng)進行了大量的研究工作，提出了多種故障診斷技術和方法，但實際系統(tǒng)中該問題并末很好地解決。隨著電力系統(tǒng)規(guī)模日趨龐大，結構更加復雜，對電力系統(tǒng)故障診斷提出了更高的要求。本文綜述了電力系統(tǒng)故障智能診斷的研究方法，評述了這些方法中需要改進之處，進一步指出了該領域的一些主要發(fā)展趨勢。它們對構建電力系統(tǒng)故障診斷智能輔助決策系統(tǒng)具有重要的指導意義，對保證電力系統(tǒng)的安全運行、減少事故的經(jīng)濟損失具有重要的理論和現(xiàn)實意義。