随着超导电力技术的快速发展,超导直流限流器成为限制直流电网故障电流的重要装置之一。超导直流限流器具有超导态无阻、限流态高阻的特性,可将故障电流迅速降低到安全水平,从而大大提高电力系统运行的稳定性和可靠性。超导直流限流器结构及运行工况（-196℃深低温,百千伏高电压）复杂,长期运行故障成为关注的焦点;同时其故障特征参量具有非线性与动态耦合性,部分故障模式之间存在特征高度重叠的问题,给故障识别及定位带来极大困难。本文目的在于研究超导直流限流器的故障特征,并提出了一种基于LM-BP神经网络的超导直流限流器故障诊断方法,主要包括以下内容:（1）建立了超导直流限流器故障树分析模型及典型故障模式。通过对超导直流限流器组件功能及工作原理分析,研究其薄弱环节导致的缺陷及潜在故障,建立了超导直流限流器故障树模型及典型故障模式,得到了从上至下各级故障的关联关系;通过对典型故障关联耦合体系的研究,确定了超导直流限流器本体的电参量（电压、电流）和非电参量（液位、温度、压力）作为全方位实现故障诊断的重要监测参数。（2）实验研究了超导带材缺陷对限流单元的影响,提出了基于热积累等效法的超导直流限流器故障仿真模型,分析了超导直流限流器典型故障特征。分别进行超导带材正常情况以及受力应变、裂纹缺陷情况下的临界电流及失超电阻特性试验,获得了缺陷超导带材对限流单元的影响;建立了一种基于带材热积累等效模型的超导直流限流器分析计算方法,基于带材热积累-电阻率实验特性将多因素耦合的非线性电阻率关系简化为热积累-电阻率的单一对应关系,设计了热功率及端电压计算程序,获得了不同工况下超导直流限流器典型故障模式的故障特征参量。（3）建立了基于LM-BP神经网络的超导直流限流器故障诊断方法。对超导直流限流器的典型故障模式输入层（监测数据）-输出层（故障信息）进行定义,建立了基于BP神经网络的超导直流限流器故障诊断模型,将典型故障模式故障特征参量对诊断模型进行训练,深度挖掘故障特征;针对超导直流限流器部分故障特征的高度相似性问题,引入LM-BP优化算法解决已有BP神经网络存在收敛速度慢、误差无法收敛到要求数值等问题,性能验证发现优化后的诊断算法在实现流程上具有高准确度与高稳定度,同时将典型故障模式进行分级整合,建立了超导直流限流器的分级保护方案。