电网故障的准确诊断对加快事故处理和恢复电力系统的安全经济运行具有重要的意义。复杂大电网发生故障时,大量报警信息从本地的信号发生装置向调度中心汇集,如何帮助运行人员在短时间内准确识别故障元件是亟待研究的重点问题。同时,报警信息在传输过程中会出现信息缺失、畸变等情况,这也进一步加大了准确找出故障元件的难度。在研究学者所提的众多电网故障诊断方法中,基于Petri网的故障诊断方法因推理过程简单且能图形化地描述电网的拓扑结构和动态特性而受到越来越多的关注。为减小电网故障搜索范围,避免对电网内所有元件依次进行故障判断,本文提出了一种基于有色自控Petri网的电网故障区域识别方法,有效地把故障诊断问题局限于一个或多个无源网络中。首先,针对断路器跳闸引起电网拓扑结构变化这一离散事件的动态过程,以Petri网作为建模工具,对全部元件赋予颜色属性并允许有向弧上有可变的权,构建用于电网故障区域搜索的有色自控Petri网模型;然后以Net Beans为开发环境,运用Java语言编程实现对故障区域的快速搜索。为减小电网故障诊断过程中人为主观因素造成的误差,提高模糊Petri网模型的容错性和准确性,本文提出了基于改进动态自适应模糊Petri网与BP算法的电网故障诊断方法。首先,在动态自适应模糊Petri网中引入补充弧元组,并利用动态自适应模糊Petri网能动态适应专家系统中模糊知识更新的特性,构建电网故障诊断的通用Petri网模型;其次,利用神经网络中的BP算法对模型中的参数进行训练;最后,分析了该故障诊断方法的适应性与容错性。对某8节点测试系统和吉林四平实际电网的仿真结果表明:本文所提算法合理利用了Petri网的并行处理能力,推理简单且思路清晰,针对电网中存在的单重故障、多重故障以及保护和断路器有不正确动作的复杂故障,该方法均能给出较准确的诊断结果,具有良好的容错性。