随着经济社会的不断发展,电力工业作为社会的重要支柱产业和社会发展的重点与先行产业,不断迈上新台阶。电网规模的逐步扩大提高了电力系统运行的经济性与灵活性。但同时,大电网运行也给电力系统的安全稳定带来了一定压力,故障处置不当可能引起大范围停电甚至系统崩溃。因此,准确高效的电网故障诊断方法作为保证电力系统安全运行和提高故障处理效率的保证,有着极高的研究价值与应用意义。电力系统故障后,调度端将瞬间涌入海量报警信息,同时不可避免地存在着保护、断路器不正常动作,报警信息的缺失等不确定性问题。这种不确定性问题给故障诊断算法的准确性增加了极大的困扰。Top-k Skyline查询算法作为一种针对不确定信息集的数据处理算法,可以排除掉信息集中不符合要求的数据点,然后按顺序输出最终的k个结果。基于这个背景,本文提出一种基于Top-k Skyline查询算法的报警信息缺失情况下的电网故障诊断方法。该方法通过多角度对缺失信息进行分类,针对各类缺失信息产生的影响选择不同处理方法,建立各元件的故障假说。最后通过Top-k Skyline查询算法进行假说评价,找到故障元件与缺失信息。在应对复杂情况下的故障诊断问题,该方法具有很好的应用价值。本文的具体工作和成果如下:本文对信息缺失情况从多个角度进行了分类,主要分为故障区域边界断路器信息缺失、故障区域边界保护信息缺失、故障区域内部断路器信息缺失、故障区域内部保护信息缺失四类,并在此基础上讨论了不同种类的信息发生缺失会对电网故障诊断造成的影响以及相应解决方法。针对故障区域边界断路器信息缺失可能造成的故障区域判定异常问题,本文提出了一种综合利用开关量和电气量信息的故障区域识别算法。该算法主要包含三部分,分别为故障区域边界断路器的确定、故障区域形成、PMU配置要求。算法将综合利用SCADA系统与WAMS系统所得到的开关量信息与电气量信息进行分析验证,判定故障区域边界断路器,进而通过边界断路器识别故障区域。针对四类信息缺失可能造成的故障元件诊断异常问题,本文建立了针对各元件的反向推理Petri网模型,并依据该模型提出了故障假说的形成方法。反向推理Petri网一方面用来表征系统各元件间的拓扑关系,另一方面用来对故障后调度端已收到的保护、断路器信息进行信息整合。通过对各元件的反向推理Petri网模型进行信息补充,可建立各元件的多种故障假说,在下一步综合测定故障情况。本文选取了多个维度对各故障假说进行全面合理的数据化描述,并选择了常用于不确定性问题处理的Top-k Skyline查询方法对各假说进行维度间对比,根据最终对比结果确定故障元件、保护和断路器的不正确动作情况、信息缺失情况。综上所述,本文所提方法综合利用了电气量与开关量信息,确保了故障区域识别的准确性。同时,本文通过Top-k Skyline查询算法的利用,解决了告警信息缺失、保护和断路器不正确动作情况下的故障诊断问题,对复杂情况下的实际问题有着重要的应用价值。