电力系统故障诊断一般指利用保护和断路器的动作信息识别发生故障的元件和评价保护和断路器的动作行为。当电力系统发生故障之后,调度中心将接收到海量的警报信息,如何高效地利用这些警报信息,准确、快速的识别出故障元件对于事故后快速恢复供电以及维持系统安全稳定运行具有重要意义。电力系统的故障诊断近二十多年一直是国内外的研究重点,从研究对象可以分为输电系统的故障诊断和配电系统故障诊断。目前,该领域的研究重难点主要在于如何克服故障诊断过程中的不确定性因素,即保护和断路器动作的可靠性(误动/拒动),以及调度中心接收到警报信息的正确性和完整性(误报/漏报)。如何处理这些不确定因素,在一定程度上影响了故障诊断结果的准确性。在此背景下,本文结合多种人工智能技术和优化算法,在现有信息源的基础上,综合应用时序信息和电气量信息等多种警报信息源,发展了能够较好处理诊断过程中各种不确定性因素的,具有高容错性的故障诊断模型与方法,并取得了一定的研究成果：1)针对电力系统故障诊断问题的特征,提出了基于时序因果网络的故障诊断方法。首先对因果网络做了扩展,引入了警报信息时序特性约束的概念,构建了一种新的时序因果网络；之后,提出了基于时序因果网络的故障诊断方法。该方法在保留了因果网络原有特点的前提下,在一定程度上克服了其容错性较差和难以合理解释故障演变过程的不足。2)提出了一种将时序推理和模糊推理结合的逻辑推理模型。首先,分析了时序推理与模糊推理应用于故障诊断的合理性；然后,提出了警报数据预处理的思想,并构建了一种时序模糊逻辑推理方法。最后,用14节点系统对所提出的方法的正确、合理性做了说明。3)针对继电保护信息不完整情况下的故障诊断与不可观测保护的状态识别(FSE-SIUPR)问题。基于时序约束网络理论,发展了一种能够充分利用警报信息时序特性的FSE-SIUPR的集成数学优化模型。该模型能够从时序上解释整个故障演变过程,并识别出一些不可观测保护的状态,具有较高的容错性。4)现有的针对含分布式电源配电系统的故障定位方法在实际应用时如果存在警报漏报与误报就可能发生误判。针对这一问题,提出了一种综合利用遥信和遥测信息的配电系统故障定位两层模型。首先,利用遥信信息建立故障定位的上层解析模型,然后在此基础上通过遥测数据建立下层模型。所发展的两层模型可以较好处理含分布式电源配电系统的故障定位,并给出漏报和误报的警报。最后对论文中所作的研究进行简要总结,并指出了这一领域有待进一步深入研究的问题。