新时代的发展极为迅猛,配电网自动化的程度也在快速地提高,这也极大提升了获得故障数据的便利程度。在配电网发生故障时,事故信息大量且复杂,会迅速地涌入调度中心,在这样的情况下调度人员则需要快速且精准地知悉最为核心的警报信息。但是迅速而精确地识别故障是非常困难的,主要的原因在于误判以及漏判等现象。因此,处理信息的人员就需要依靠行之有效的配电网故障特征提取理论、方法来提供故障特征信息,以其作为辅助性评判,从而确保配电网安全运行。在过去,利用类似保护装置和断路器等产生的一系列开关量信息是绝大部分传统的故障特征识别、提取的方法,获取特征信息后再通过某种智能算法来判定故障的位置,而这都要求开关量的完备性极高,因为故障信息的精准性和完备性在某种意义上来讲对故障特征提取、识别的结果影响较大。因此本文在此基础上关注故障发生前后的电气量变化,并综合分析这两类信息,分别设计了有针对性的故障特征提取算法。本文首先介绍与配电网故障产生有密切关系的多源运行数据系统,并针对多源数据来源广泛多样,数据构成各异的特点,提出配电网多源异构信息模型。统一多源数据的格式后,采用改进粗糙集理论与贝叶斯网络相结合的方法对于保护器、断路器等开关量变化提取特征,利用小波能量分析来提取故障发生前后电气量变化的特征,最终提出贝叶斯故障特征指标、小波能量特征指标、小波故障特征指标和小波奇异特征指标来表征线路故障的严重程度,并且采取了优化D-S证据理论对以上证据进行多源数据融合,从而为故障特征提取、识别提供全面的参考。Matlab编程测算和PSCAD模拟仿真同时表明,与传统方法的融合效果相比,基于多源数据融合的配电网运行故障特征信息提取方法能够提升故障特征提取、诊断的可靠性以及精确度,由此可以广泛应用于电网故障诊断方向。