随着我国电网联网工程的顺利完成，电网规模不断扩大和加强，当电网发生故障时，要判定故障区域将是一件比较困难的事情。为此，本文尝试借助粗糙集理论所具有分析约简能力，提出了基于可辨识矩阵与布尔代数相结合的属性约简算法以及改进的值约简算法，并将其应用于由断路器和保护为条件属性，考虑各种故障情况所组成的诊断决策表的约简过程中，形成了故障诊断总体规则知识库模型，从算例结果看基本达到了实际应用设计要求，但也存在一个缺陷，即粗糙集的容错能力还不够理想，当核属性受噪声污染时有可能会出现误判的情况。因此为了提高粗糙集的容错能力，将粗糙集理论与神经网络相结合，构建粗糙集和神经网络智能混合系统，充分利用粗糙集理论对知识的约简能力和神经网络的容错学习能力。首先利用粗糙集方法对原始数据进行约简，形成精简的规则集，然后神经网络通过调用最简规则集进行学习训练，这样既减少了神经网络的学习训练时间，又提高了诊断的准确度。最后对21个测试样本数据进行测试仿真，仿真结果表明该算法具有高容错性和高诊断正确率(100％)，很好的满足了配电网故障诊断的要求。