随着电网规模的扩大和互联程度的提高,当电网发生故障时,尤其是出现复杂故障(级联跳闸)情况,大量的故障信息涌入调度控制中心,给调度人员的事后处理造成了极大困难,由于现代电网对故障诊断的时效性和准确性要求提高,传统的集中式电网故障诊断已难以满足需求,因此研究一种能同时对电网各部分进行分布式诊断模式,具有很大的现实意义。本文首先介绍了贝叶斯网络和D-S证据理论。首先介绍贝叶斯网络的基本理论、网络构造及网络推理,然后介绍了D-S证据理论的基础知识,包括D-S证据理论基本概念、组合规则及证据理论的权值赋值,并通过实例进行说明,为基于贝叶斯网络和D-S证据理论的分布式电网故障诊断作为理论基础。本文对目前电网故障诊断集中式贝叶斯网络模型作了有效改进。首先将电网故障识别应用于电网故障诊断,通过识别故障区域合理缩小诊断范围,有效提高诊断速度和精度。采用阀值判据来判定元件故障,对反向推理得到的故障元件概率进行了合理修正,有效地解决系统因干扰信息导致的误判,提高诊断的容错性,通过5个算例验证了以上改进方法是可行的和有效的。本文最后重点研究了基于贝叶斯网络与D-S证据理论的分布式电网故障诊断模型。它在运用故障区域识别的基础上,分别通过蝶形分割法和叶形分割法对电网进行合理分割；对故障区域与各子网的重叠元件,分别采用重合度法、重合度和子网故障系数的几何平均值法计算各子网证据体的权重值,然后对各子网的诊断结果进行融合,获得最终结果。为便于与集中式诊断比较,采用了与集中式相同的5个算例并再参考一个实际电网做了两个算例,分别采用两种分割方法和两种D-S证据融合方法进行仿真。这些仿真算例证明了本文提出的基于贝叶斯网络和D-S证据理论的分布式电网故障模型是有效的,与传统集中式诊断模型相比,它在诊断速度和精度方面都有了较大改善。采用蝶形分割法和子网证据体的权重值几何平均值法的分布式故障诊断结果更为准确和合理。