随着电网规模不断增长,电网结构日趋复杂,区域电网之间的联系也越来越紧密,局部电网故障引起连锁故障的几率大大增加,电网调控中心若不能及时地对系统故障进行准确有效地处理,将导致故障范围进一步扩大,使系统可靠供电和安全稳定运行受到严重威胁。准确高效的故障诊断系统可以为故障后的紧急调控和故障恢复提供辅助决策支持,加快调度人员事故处理和供电恢复的进程。受当前不同类型数据分时分区传送的限制,调控中心不能同时同步地获取相应故障信息,而现有故障诊断方法均建立在所有信息都已上传的假设基础上,只适用于事故后的分析,难以满足电网故障后紧急控制和故障恢复的实时调控需求。另外,现有故障诊断方法存在容错性较低的缺陷,在保护和断路器误动/拒动、告警信息缺失/错误等复杂状态下很难得到准确的诊断结果。为了保证系统的可靠供电和安全稳定运行,本文从电力系统的实时调控需求出发,围绕基于多源信息的层进式智能化电网故障诊断方法展开研究。根据故障信息的特征以及到达调度中心的时间优先级,提出层进式电网故障诊断系统的框架,并重点围绕该框架下故障区域识别、故障元件诊断和故障类型辨识的三个层次展开智能化方法的研究。作为层进式故障诊断系统的第一层,本文利用开关变位信息和WAMS信息,提出基于广度优先搜索的故障区域快速识别方法。针对传统结线分析法在开关信息缺失、畸变的情况下无法准确识别故障区域的缺陷,引入WAMS系统广域同步电气量来识别故障区域边界断路器,并沿其停电侧方向进行搜索,以快速确定故障区域。IEEE 39节点系故障案例说明了该方法的有效性。作为层进式故障诊断系统的第二层,本文引入保护和断路器动作信息的时序约束关系,提出基于加权模糊时序Petri网的故障元件诊断方法。针对传统故障元件诊断方法在保护和断路器误动/拒动、告警信息缺失/错误等复杂状态下容错性较低的缺陷,在研究线路母线等的层次化TWFPN模型的构建方法的基础上,以故障发生时刻为事件起点,通过逆向和正向时序推理对保护和断路器动作信息进行时序约束检查和置信度修正。IEEE 39节点系统仿真算例、电网实际故障案例以及与现有应用时序信息的故障诊断方法在结果和性能上的对比说明了该方法的优越性。作为层进式故障诊断系统的第三层,本文利用故障录波信息,提出基于深度置信网络的故障类型辨识方法。为了克服浅层智能方法对信号处理技术和人工经验的依赖以及对复杂电力系统特征提取和表达能力不足的问题,以输电线路的故障类型辨识为例,利用DBN模型从故障录波数据的原始时域信号中自动学习和提取故障状态特征,从而达到故障类型辨识的目的,并从DBN重构网络的重构能力、逐层特征提取可视化结果以及故障类型辨识结果与传统人工神经网络的对比三个方面,对DBN模型的故障特征提取能力和故障状态识别能力进行研究与分析。论文最后对主要研究工作和成果进行了总结,并对下一步研究工作进行了展望。