近年来我国电网发展步伐不断加快,目前已经形成了逐步完整的特高压、交直流混联、长距离输电网络,以适应大规模可再生能源接入和智能化为特征的我国现代电网架构开始显现。伴随着电网架构和运行水平的增强,用户对于供电可靠性的需求水平逐步增高,如何在日益复杂的运行条件下建立高效自动化电网故障诊断策略,有效缩短故障停电时间,减少由于故障停电带给电网和用户的经济损失,一直是电网调度运行研究和应用的基本问题。针对基于规则的电网故障诊断系统在建模初期需要大量引入保护和设备动作规则、建模困难的问题,以告警信息中故障事件描述分词为对象,研究其在故障演化过程中的分布特性,提取告警信息文本的重要文本特征,建立告警信息向量空间模型,完成告警信息文本向量化;提出了一种基于支持向量机的电网故障诊断方法。算例仿真表明该模型可以根据建立十三维向量空间对单一/多重故障及线路/母线/变压器故障类型进行准确的诊断。针对基于支持向量机的电网故障诊断存在文本向量化困难,不能直接提取故障特征的缺点,结合深度学习理论,建立了一种基于卷积神经网络的电网故障诊断模型,该模型可以自动提取文本特征,实现告警信息文本分类预测,建模过程进一步简化,诊断的准确率不受固有模型的限制,提高了模型的自适应性,最后通过仿真验证所提出诊断方法的有效性和合理性。