對(duì)人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、遺傳算法、模糊理論等人工智能技術(shù)的基本概念進(jìn)行了簡(jiǎn)單的介紹， 并從實(shí)用化的觀點(diǎn)對(duì)它們?cè)?a href='http://www.socialnewsupdate.com/v/tag/4675/' target='_blank' class='arckwlink_none'>電力系統(tǒng)故障診斷中的應(yīng)用特點(diǎn)、存在問題進(jìn)行分析， 最后指出人工智能技術(shù)用于電力系統(tǒng)故障診斷的最新發(fā)展動(dòng)向。

　　電力系統(tǒng)實(shí)時(shí)故障診斷問題的研究， 一般都是根據(jù)在故障過程中， 對(duì)某些裝置和設(shè)備所出現(xiàn)的一系列數(shù)字和狀態(tài)信息量進(jìn)行分析和推理。在此基礎(chǔ)上查出導(dǎo)致系統(tǒng)某種功能失調(diào)的原因和性質(zhì)， 判斷故障發(fā)生的元件以及預(yù)測(cè)故障惡化的發(fā)展趨勢(shì)，得出診斷結(jié)論。在電力系統(tǒng)的故障診斷 （fau ltdiagno sis of pow er system ——FD 2PS） 方面已開展了不少研究， 傳統(tǒng)型的 FD 2PS 研究是在建立被診斷系統(tǒng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)模型的基礎(chǔ)上， 根據(jù)發(fā)生故障時(shí)， 系統(tǒng)結(jié)構(gòu)和參數(shù)變化， 導(dǎo)致系統(tǒng)潮流的變化，進(jìn)而根據(jù)潮流計(jì)算的變化判斷出故障。但潮流計(jì)算和分析處理的耗時(shí)量大， 會(huì)影響診斷速度和快速故障恢復(fù)處理。另外正常運(yùn)行時(shí)某些線路潮流值小，接近于0 （如線路輕載運(yùn)行） ， 故用潮流來判斷故障， 也不能保證診斷的準(zhǔn)確性。所以電力系統(tǒng)故障診斷用傳統(tǒng)的數(shù)學(xué)方法， 因系統(tǒng)規(guī)模、復(fù)雜程度和不確定因素等的限制， 系統(tǒng)故障診斷難以達(dá)到理想的效果。