电力系统故障诊断的研究
电力系统中的状态量估计与故障诊断技术研究
电力系统中的状态量估计与故障诊断技术研究电力系统是现代社会不可或缺的基础设施，而电力系统的安全稳定运行对于社会经济的发展至关重要。
为了确保电力系统的可靠运行，状态量估计与故障诊断技术成为了电力系统研究的重要领域。
本文将围绕电力系统中的状态量估计与故障诊断技术展开讨论。
首先，我们将介绍电力系统中的状态量估计技术。
状态量估计是指通过收集系统中的测量数据，利用数学模型和算法对电力系统中的各种状态量进行估计和计算，以实现对电力系统动态运行状态的可靠预测和监测。
电力系统中的常见状态量包括电压、电流、功率、频率等。
准确地估计这些状态量对于电力系统的运行稳定性和经济性具有重要的意义。
常用的状态量估计方法包括卡尔曼滤波技术、最小二乘估计法和基于粒子滤波的状态估计方法等。
这些方法能够有效地利用系统的测量数据和数学模型，提高状态量估计的准确性和可靠性。
其次，我们将探讨电力系统中的故障诊断技术。
故障诊断是指通过分析系统的运行数据和故障特征，确定电力系统中存在的故障类型、故障位置和故障原因的过程。
电力系统中的故障包括短路、接地故障、过载等。
通过及时准确地诊断故障，可以实现对系统的快速恢复和维修，确保电力系统的可靠供电。
常见的故障诊断方法包括支持向量机、神经网络、模糊逻辑等。
这些方法能够通过对故障特征的提取和分析，实现对故障的准确诊断和判断。
此外，为了提高电力系统中状态量估计和故障诊断技术的效果，我们还需要关注一些关键问题。
首先是数据采集和传输的问题。
对于状态量估计和故障诊断技术而言，数据的准确性和时效性至关重要。
因此，我们需要确保采集到的数据准确可靠，并能够及时传输到诊断系统中进行处理。
其次是模型建立和参数选择的问题。
合理选择数学模型和优化模型参数对于状态量估计和故障诊断的准确性和可靠性具有重要影响。
最后是算法的改进与创新。
随着电力系统的不断发展和变化，我们需要不断改进和创新各种状态量估计和故障诊断的算法，以适应不同的工况和故障情况。
电力系统故障预测与诊断模型研究
电力系统故障预测与诊断模型研究近年来，随着电力系统规模的不断扩大和电网智能化技术的快速发展，电力系统的安全稳定运行问题越来越引起人们的关注。
故障预测与诊断作为电力系统运行管理的重要一环，对于保障电力系统的可靠性和安全性具有重要意义。
1. 电力系统故障预测模型研究在电力系统中，故障的预测是一项复杂的任务。
为了实现准确的故障预测，研究人员采用了多种不同的模型方法。
其中，机器学习和人工智能技术被广泛应用于电力系统故障预测中。
一种常用的预测模型是基于监督学习的方法。
它使用历史故障数据和系统运行参数作为输入，训练出一个模型来预测未来可能出现的故障类型和时刻。
这些模型可以通过使用决策树、神经网络、支持向量机等机器学习算法来构建。
经过大量实验和数据验证，这些模型在故障预测方面取得了不错的效果。
此外，递归神经网络(RNN)和长短期记忆网络(LSTM)等深度学习模型也可以用于电力系统故障预测。
这些模型可以处理时间序列数据的特点，能够捕捉到系统运行状态的演变过程，对预测故障起到了积极的作用。
2. 电力系统故障诊断模型研究电力系统的故障诊断是指通过对故障信号进行分析和判断，确定故障原因和位置的过程。
故障诊断模型旨在通过处理实时数据和历史记录，快速准确地检测和识别发生在电力系统中的故障。
一种常用的故障诊断方法是基于模式识别的方法。
这种方法将从电力系统中获得的实时故障信号与预先存储的故障模式进行比较，从而识别故障位置和类型。
这些模式可以通过采集和分析大量的历史数据来建立，然后根据电力系统的实际变化情况不断进行更新和优化。
此外，还有一种常用的故障诊断方法是基于专家系统的方法。
这类方法通过建立知识库和规则库，模拟专家的判断过程，对电力系统的故障进行诊断。
专家系统可以根据系统状态和故障信息，利用推理和逻辑运算进行决策，具有较强的判别能力。
3. 故障预测与诊断模型的融合研究为了更好地实现电力系统的故障管理，研究人员将故障预测和故障诊断两种模型进行了融合。
浅谈电网故障诊断的研究现状和发展趋势
浅谈电网故障诊断的研究现状和发展趋势电网故障诊断是电力系统运行中非常重要的一项工作，它对于保障电网安全稳定运行具有重要意义。
随着电力系统的不断发展和变革，电网故障诊断技术也在不断地更新和完善。
本文将从电网故障诊断的研究现状和发展趋势两个方面进行探讨，以期为相关研究提供一定的参考价值。
一、电网故障诊断的研究现状1. 传统的电网故障诊断方法在过去，电网故障诊断主要依靠人工巡检和经验来进行。
通过巡视、检测、测试等手段，发现并解决电网故障。
但是这种方法耗时耗力、效率低下，并且在确保电网安全稳定运行方面存在一定的隐患。
2. 基于物联网和大数据的电网故障诊断技术随着物联网和大数据技术的不断发展，越来越多的电网故障诊断技术开始充分利用这些先进技术。
通过在整个电网系统中部署大量的传感器设备，实时监测和采集电网运行数据，并对这些数据进行分析和处理，从而实现对电网故障的实时诊断。
这种方法有着高效、准确的特点，可以及时发现并处理电网故障，确保电网安全稳定运行。
近年来，随着人工智能技术的迅速发展，越来越多的电网故障诊断技术开始采用人工智能算法进行辅助诊断。
利用神经网络、模糊逻辑、遗传算法等技术，对电网运行数据进行深度学习和分析，从而实现对电网故障的智能诊断和预测。
这种方法在提高诊断准确性和效率方面具有明显的优势。
1. 多源数据融合的趋势未来的电网故障诊断技术将更加注重多源数据的融合。
包括电网运行数据、传感器数据、实时监测数据等，通过对这些数据进行统一处理和分析，提高故障诊断的准确性和可靠性。
2. 实时性和智能化的趋势未来的电网故障诊断技术将更加注重实时性和智能化。
利用物联网、大数据和人工智能技术，实现对电网故障的实时监测、智能诊断和预测，从而更好地保障电网的安全稳定运行。
3. 集成化和标准化的趋势未来的电网故障诊断技术将更加注重集成化和标准化。
通过制定一系列的标准和规范，实现不同厂家、不同设备间的数据互操作和信息共享，提高电网故障诊断技术的整体水平。
电力系统故障诊断的模型建立与分析技巧研究
电力系统故障诊断的模型建立与分析技巧研究电力系统是现代社会运转的必要基础，故障的产生将会给社会带来严重的影响。
因此，电力系统故障诊断的模型建立与分析技巧研究显得尤为重要。
本文将围绕这一主题展开讨论，并介绍一些与之相关的技术和方法。
首先，我们将探讨电力系统故障诊断模型的建立。
电力系统由多种组件和设备构成，如发电机、变压器、输电线路等。
每个组件都可能出现故障，而这些故障可能是单一的，也可能相互关联。
因此，建立准确而精细的电力系统故障诊断模型是至关重要的。
在模型建立方面，有一种常用的方法是使用人工智能技术，如神经网络和模糊逻辑等。
通过对电力系统的运行数据进行采集和分析，可以基于历史故障案例和现有数据构建故障诊断模型。
这些模型通过学习数据的模式和规律，能够预测和诊断各种可能的故障。
其次，本文将介绍一些电力系统故障分析的技巧。
故障诊断是一个复杂而多变的过程，需要考虑各种因素的影响。
其中一项关键工作是识别故障的特征和指标。
通过对不同故障案例的分析，并结合电力系统的特性，可以确定出一些有效的故障指标。
这些指标可以帮助快速准确地定位故障的位置和原因。
此外，故障分析还需要考虑电力系统的运行状态。
电力系统是一个动态的系统，变量和参数的变化可能会影响故障的产生和发展。
因此，对电力系统的实时监控和数据采集至关重要。
通过分析实时数据，可以及时发现潜在的故障，并进行预测和诊断。
在故障诊断过程中，还需要考虑不确定性因素的影响。
电力系统受到各种外部和内部因素的干扰，这些因素可能导致系统出现异常现象，从而增加故障的难度。
因此，对不确定性的建模和分析成为电力系统故障诊断研究的一个重要方向。
一些概率统计和模糊推理的方法被广泛应用于故障诊断，以增加模型的鲁棒性和准确性。
除了传统的电力系统故障诊断方法，本文还将介绍一些新兴的技术和方法。
例如，基于机器学习和数据挖掘的故障诊断方法在近年来取得了很大的进展。
这些方法通过对大量电力系统数据的分析和建模，可以自动发现隐藏在数据中的规律和模式，从而实现更准确和高效的故障诊断。
电力系统中智能故障检测与诊断技术研究
电力系统中智能故障检测与诊断技术研究智能故障检测与诊断技术在电力系统中的研究引言：电力系统是现代社会不可或缺的基础设施之一。
然而，随着电力系统的规模和复杂性的增长，故障的发生和诊断变得越来越重要。
智能故障检测与诊断技术的发展为电力系统的可靠性和安全性提供了新的解决方案。
本文将探讨智能故障检测与诊断技术在电力系统中的研究进展和应用。
一、智能故障检测与诊断技术的发展1.1 简介智能故障检测与诊断技术是基于人工智能和机器学习算法的应用。
它利用电力系统的实时数据和历史数据来检测和诊断故障，提高电力系统的可靠性和安全性。
1.2 数据分析与模式识别技术数据分析和模式识别技术是智能故障检测与诊断技术的核心。
通过对电力系统的实时数据进行处理和分析，识别出不正常的模式和异常行为，进而判断是否存在故障。
1.3 机器学习算法机器学习算法是智能故障检测与诊断技术的重要工具。
通过对大量的历史数据进行学习和训练，算法能够从中提取出规律和模式，从而能够准确地检测和诊断故障。
1.4 数据挖掘技术数据挖掘技术是智能故障检测与诊断技术的一种重要手段。
通过对大量的数据进行挖掘和分析，可以发现隐藏在数据背后的规律和模式，从而辅助故障的检测和诊断。
二、智能故障检测与诊断技术的应用2.1 故障检测技术的应用智能故障检测技术能够准确地检测电力系统中的各种故障，包括短路、过载、接地故障等。
通过实时监测和分析电力系统的数据，系统能够及时发现故障并采取相应的措施，以防止故障进一步扩大。
2.2 故障诊断技术的应用智能故障诊断技术能够快速准确地诊断电力系统中的故障原因。
通过对故障数据和历史数据的分析，系统可以找出故障的根本原因，从而能够有针对性地解决故障，提高电力系统的可靠性和安全性。
2.3 故障预测和预防技术的应用智能故障检测与诊断技术还能够对电力系统的故障进行预测和预防。
通过对历史数据和实时数据的分析，系统可以预测出可能发生的故障，并采取相应的措施来预防故障的发生，提高电力系统的稳定性和安全性。
电力系统中的温度预测与故障诊断方法研究
电力系统中的温度预测与故障诊断方法研究电力系统是现代社会不可或缺的基础设施之一，在电力系统运行中，温度预测与故障诊断是两个重要的研究方向。
温度预测可以帮助我们及时发现电力设备的热负荷，有效规划运营和维修工作。
而故障诊断能够在电力设备出现问题时，迅速进行诊断与修复，保证电力系统的安全运行。
一、电力系统中的温度预测方法研究1. 传统温度预测方法传统的电力设备温度预测方法主要基于物理模型和经验公式。
物理模型方法通过建立电力设备的热传导方程以及相关参数的测量和估计，计算出设备的温度分布。
经验公式则是通过历史数据和统计方法，建立设备温度与环境温度、电流等因素之间的关系，进行温度的预测。
然而，传统方法在复杂系统中的适用性有限，对于非线性、多变量的电力设备温度预测问题，效果不尽人意。
2. 基于机器学习的温度预测方法近年来，机器学习技术的发展为电力设备温度预测带来了新的解决方案。
机器学习方法可以自动从大量历史数据中学习出电力设备的温度变化规律，并进行预测。
常用的机器学习算法包括线性回归、支持向量机、决策树、神经网络等。
这些方法能够处理复杂的非线性、多变量问题，并具有较高的预测准确率。
3. 基于深度学习的温度预测方法深度学习是机器学习的一个分支，近年来在电力设备温度预测方面取得了显著的成果。
深度学习模型如循环神经网络（RNN）、长短时记忆网络（LSTM）和卷积神经网络（CNN）等可以处理时间序列数据，并具有记忆和提取特征的能力。
这些模型基于输入数据的历史信息进行预测，能够更好地捕捉到电力设备温度的非线性变化规律，提高预测的准确性。
二、电力系统中的故障诊断方法研究1. 传统故障诊断方法传统的电力设备故障诊断方法主要基于经验和专家知识。
通过观察设备的运行情况、听取工作人员的描述、分析设备的声音、振动等特征，结合专家的经验，对设备的故障进行判断和诊断。
然而，传统方法的依赖于人工经验和观察能力，受到主观因素的影响，且存在诊断速度慢、准确性低等问题。
电力系统中的灵敏性分析与故障诊断研究
电力系统中的灵敏性分析与故障诊断研究电力系统是现代社会的重要组成部分，它的安全稳定运行对于社会的正常运转至关重要。
然而，由于电力系统的复杂性和不可预测的因素，系统的灵敏性和故障诊断成为研究的重点。
本文将重点介绍电力系统中的灵敏性分析与故障诊断的研究，以及相关的方法和技术。
首先，我们来了解一下电力系统的灵敏性分析。
灵敏性分析是指对系统的扰动（例如故障或变动）引起的系统响应进行分析和评估的过程。
灵敏性分析可以帮助我们了解系统的鲁棒性、稳定性和可靠性。
在电力系统中，灵敏性分析可以应用于多个方面。
首先是电力系统的稳定性评估。
稳定性是电力系统能够维持正常运行的关键指标，对于防止系统崩溃和保障供电的连续性具有重要意义。
通过灵敏性分析，我们可以评估系统在不同条件下的稳定性，并采取相应的措施来提高系统的鲁棒性。
其次是电力系统的可靠性评估。
可靠性是指电力系统在给定条件下长期供电的能力。
电力系统中存在着各种潜在的故障和错误，灵敏性分析可以帮助我们识别和管理这些潜在的风险，并制定相应的预防措施和应急计划，以提高系统的可靠性。
此外，灵敏性分析还可以用于电力系统的经济性评估。
电力系统的运行成本和效率是电力行业关注的重点。
通过灵敏性分析，我们可以评估系统在不同条件下的成本和效率，并优化系统运行策略，以减少成本和提高效率。
除了灵敏性分析，故障诊断也是电力系统研究的重要方向。
故障诊断是指对系统中可能出现的故障进行检测、定位和诊断的过程。
故障诊断可以帮助我们及时发现系统的故障，并采取相应的措施进行修复，以减少停电时间和损失。
在电力系统中，故障诊断通常使用监测设备和数据分析技术。
监测设备包括传感器和监测装置，可以实时监测系统的状态和运行情况。
数据分析技术包括故障诊断算法和模型，可以对监测数据进行处理和分析，以识别系统中可能存在的故障。
近年来，随着人工智能和大数据技术的发展，故障诊断在电力系统中的应用得到了进一步的提升。
人工智能技术可以对大量的监测数据进行处理和分析，发现潜在的故障模式和规律。
基于机器学习的电力系统故障诊断方法研究
基于机器学习的电力系统故障诊断方法研究电力系统是现代社会的重要基础设施，其稳定运行对于社会经济发展至关重要。
故障的发生和处理对电力系统运行具有重要影响，因此，建立高效准确的电力系统故障诊断方法具有重要意义。
近年来，随着人工智能和机器学习的快速发展，基于机器学习的电力系统故障诊断方法逐渐受到关注。
机器学习通过分析大量的电力系统数据，学习其中的规律和模式，从而实现故障诊断的自动化和智能化。
在基于机器学习的电力系统故障诊断方法研究中，数据预处理是至关重要的一步。
首先，需要对原始数据进行去噪处理，去除因噪声引起的异常值和干扰。
其次，进行特征提取，将原始数据转化为能够描述故障特征的特征向量。
常用的特征提取方法有时域特征、频域特征和小波变换等。
最后，对提取的特征进行归一化处理，使得不同特征的权重相对均衡。
在故障诊断模型的构建中，常用的机器学习算法包括支持向量机（SVM）、决策树、人工神经网络和深度学习等。
这些算法可以通过对已有的故障数据进行训练，自动学习故障模式和规律，从而实现对未知故障的准确诊断。
值得注意的是，选择合适的机器学习算法需要综合考虑算法的性能、计算复杂度和实时性等因素。
除了传统的机器学习算法，深度学习在电力系统故障诊断中也有着广泛的应用。
深度学习通过多层神经网络的构建，能够学习更复杂的非线性模式和特征。
卷积神经网络（CNN）和循环神经网络（RNN）是深度学习中常用的网络结构。
它们在电力系统故障诊断中能够对时序数据进行有效建模和分析，提高故障诊断的准确性和稳定性。
另外，电力系统故障诊断涉及到大量的故障样本，因此，数据集的构建是研究的重点。
合理的数据集应该包含各种故障类型和不同故障程度下的数据。
传统方式是通过人工模拟或者在实际运行中收集数据，但这种方式存在成本高和难以获取全面数据的问题。
近年来，一些研究采用仿真软件生成电力系统数据，以提高数据集的多样性和复杂性。
在研究过程中需要充分考虑电力系统的实际工作环境和特点。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
电力系统故障诊断的研究
【摘要】在我国经济飞速发展的今天，人们的生活质量以及人们的生活品味都有了很大程度的提高。
人们在日常生产和生活中对于电的要求也越来越高，电力系统的安全运行直接关系着人们的日常生活。
现在随着电力系统网络的逐渐形成，当电力系统出现故障时对人们的正常生活和经济生产造成的损失越来越大。
所以现在电力系统的工作人员必须快速、及时地解决电力系统中所出现的各种各样的故障。
本文首先介绍我国电力系统中经常容易出现的故障，然后分析国内外现在针对这些故障所研究的主要解决方法。
最后介绍现阶段电力系统在故障诊断中所面临的问题以及以后的发展方向。
【关键词】电力系统；安全运行；故障诊断；研究
随着我国经济的发展和用电量的急速增加，整个电力系统所承受的压力也越来越大。
我们的日常生活以及工农业的生产之所以能够正常的进行都是依赖于整个电力系统能够稳定的运行。
所以安全可靠的电力系统是经济发展和人们正常生活最基本的保障。
但是由于我国技术条件、气候以及周围环境的影响等造成电力系统出现故障，这都是无法避免的。
但是在故障发生时，快速准确的判断故障发生的位置以及找出解决的办法并保证电路能够快速的恢复正常的运行以便将这种损失降到最小是对电力工作人员最基本的要求。
现在我国电力系统的发展规模越来越大，随之复杂程度也越来越高，所以出现故障的概率也越来越高。
因此，我国针对于电力系统
中所出现的故障进行合理的快速的诊断很重要，并且针对这方面的研究也很有意义。
1.我国电力系统中经常出现的主要故障
我国的电力系统中存在的故障主要是指电力系统中的设备不能正常的实现它的功能，并且导致整个电力系统不能按照预期的指标进行正常的工作。
在整个电力系统中任何一个设备或者元件出现故障，如果不能及时的解决都会造成的很大的损失。
下面介绍我国电力系统中经常出现的主要故障问题。
首先介绍的是电力系统中输电线路的故障。
在人们的日常生产和生活中存在的输电线路的问题主要是由于风吹日晒等原因造成输电线外露的绝缘体的破坏，再在遇到大风天气的时候引起线路的接触造成电路的短路，虽然当输电线分离开以后这些故障会暂时的解除，但是这种输电线的故障依然存在。
其次是电力设备中变压器的故障。
在整个电力系统之中变压器是核心。
所以如果整个电力系统中变压器出现故障，那么这对于整个电力系统造成的危害是难以估计的，变压器所出现的故障主要是由于高电场强度所引起的。
关于变压器的故障诊断是很复杂的。
因此，电力系统的工作人员在日常工作中要高度重视变压器中存在的各种故障隐患，这不仅是因为变压器价格成本昂贵，更重要的是变压器在整个电力系统中的重要作用。
最后介绍在电力系统存在的母线故障和全厂或者全所停电。
电力系统中存在的母线故障主要包括母线的短路、母线中所存在的保护误动作等等。
当电力系统中核心变电站出现母线故障的时候，会
造成很严重的后果。
比如：在使用这个电力系统的所有的用户都会停电，这种情况造成的损失时无法估计的。
还有全所的停电、系统联络的跳闸等都会造成严重的损失。
2.国内外关于电力系统故障诊断的主要研究
面对整个电力系统所出现的故障，电力系统的工作人员必须尽自己最大的努力把发生故障区域确定到最小。
然后电力系统的工作人员可以根据发生故障的区域详细的检测发生故障的设备。
再次，电力系统的工作人员可以根据发生故障的原因排除故障。
只有这样做才可能将电力系统的故障对人们的损失降到最小。
下面介绍目前国内外对于不同的电力系统的故障诊断。
第一，首先是针对于专家系统的故障诊断。
这种系统在很早以前就已经被引入到我国的电力系统故障诊断的研究。
它是一种研究最多的系统。
专家系统的故障诊断的主要的原理是：将断路器的动作等用电力工作人员的诊断故障的经验用规则表示出来。
，最后形成一种关于故障诊断的知识库。
虽然有很久的发展历史，但是它的发展也遇到了很多的难以解决的问题。
比如：它的判断主要的根据工作人员的经验，所以很难取得进步，还有就是这种系统很难维护以及在判断的过程中很容易出现问题。
第二，介绍针对于人工神经网络的故障诊断。
这种诊断主要是在建立在ann的基础之上，虽然能够很好的避免专家系统中所存在的自身难以克服的问题。
但是这种方法也存在着自身的缺陷。
例如：样本的完备性在人工神经网络中有很重要的作用，但是很难收集到电力系统中的大型设备的完备的
信息等等。
第三，针对于优化技术的故障诊断。
近几年我国的计算机技术取得了很好的发展，并且将其成功的运用到了电力系统的故障诊断之中。
所以优化技术的故障诊断就应运而生了。
这种诊断模型可以很好的避免前面几种诊断方法所出现的问题。
第四，针对于粗糙集理论的故障诊断。
它的诊断方法比较简单不需要提供除了数据集以外的其他任何信息。
他也能够准确分析各种不完备的数据等。
但是它也有自身不可避免的缺陷，比如：当关键信号的报警信息出现错误的时候，就会对诊断的结果产生很大的影响。
此外，还有国内外还有针对于模糊理论的故障的诊断等等。
3.现在电力系统故障诊断的发展方向
虽然，目前国内外已经针对于不同的电力系统提出了不同的故障诊断方法，对于不同的故障诊断中所存在的各种问题也都在积极的改进。
但是现在我国对于整个电力系统故障诊断还存在着很多的问题。
所以我国应该从以下几个方面重点的解决电力系统中存在的问题，并确定我国以后电力系统故障诊断的发展方向。
首先是在不完全信息的情况下如何做好电力系统的故障诊断。
针对这种情况，在实际应用时，可以适当的建立一些简单的假设，将问题尽可能的简化，这样做可能会引起故障诊断的错误，但是在还没有很好的解决办法之间这也可以解决一些实际问题。
因此，关于不完全信息下电力系统的故障诊断是今后工作的努力方向。
其次电力系统的工作人员只采用一种简单的智能方法对电力系统的故障进行诊断也存在着很大的问题。
再次，随着我国电网技术的快速发
展，如何采用多种智能技术对大型的电力系统进行时时的检测并进行故障的诊断有很重要的现实意义。
可以在电力系统出现问题的早期进行很好的修理。
最后，将电力系统的理论技术更好的应用于实际的生活中，更好的建立关于电力系统所出现故障的数据库，可以为以后所出现的故障提供很好的解决依据。
4.结论
如果电力系统的工作人员能够对电力系统做出很快的判断，那么我国的整个电力系统就能够很好的运行。
我国从改革开放以来就对电力系统中的故障诊断提出了各种方法。
但是用各种不同的方法解决电力系统中的故障都存在着不同程度的缺陷。
因此，如何避免这些缺陷，在各种方法之间扬长避短是我国电力工作者今后对于电力系统故障的主要研究方向。
我国对于电力系统故障的诊断还有很长的路要走。
参考文献：
[1] 张学军，刘小冰等.基于正反向推理的电力系统故障诊断[j].电力系统自动化， 2006，2，2（5）：30-32.
[2] 杜一，张沛超等.基于事例和规则混合推理的变电站故障诊断系统[j].电网技术，2004，4，15（1）：34-37.
[3] 钱源平，韩祯祥等.利用保护和断路器信息的电力系统故障诊断与不可观测的保护的状态识别的模型与tabu搜索方法[j].电工技术学报，2008，1，7（5）：1-8.
[4] 文福拴等.电力系统健康诊断[j].电力自动化设备，2004，5，
17（6）：20-24.
[5]赵冬梅，韩月.电网故障诊断的决策表约简新算法[j].电力系统自动化.2004，7，5（4）：63-66.
[6] 吴欣，郭创新等.基于贝叶斯网络的电力系统故障诊断方法[j].电力系统及自动化学报，2005，11，7（4）：11-15.。