在智能电网发展背景下,一方面,间歇性能源的大量接入及信息传感等技术的应用使得电网的规模及结构的复杂程度进一步增加,故障录波信息网的建立、智能电子测量装置的普及使得故障数据呈现多元化的趋势;另一方面,调控平台上传过程中出现通道中断或异常、量测点不足、误操作、关联性故障等情况会造成系统所接收的数据源断面不完整、不精确。因此为了提高复杂数据环境下电网诊断系统的适应性、容错性,本文对故障信息的分析处理进行了深入研究。本文基于课题组所开发设计的电网故障诊断与恢复系统实际需求,根据面临的复杂数据环境设计了故障信息预处理模块,通过故障诊断基本原理与实际故障案例结合,利用调控一体化仿真系统提取海量故障样本及相关信息,从而为分析故障信息的诊断机理提供了完整数据源。针对调度平台接收到的低价值密度故障信息,提出了一种去噪解析的方法处理告警信息,利用文本相似度算法对信息序列中的非诊断关键词进行关联匹配,通过该方法减少了故障信息建模工作量、提高了诊断计算的鲁棒性,同时根据网络拓扑结构建立了保护-断路器关联事件序列,为下一步进行异常事件辨识提供可编译信息链。为实现对异常信息的辨识处理,构建了最大熵隐马尔科夫模型(maximum entropy hidden Markov model,ME-HMM)。基于保护-断路器关联关系定义了待诊断信息类型以及异常信息模式,然后结合电气量信息和上下文信息构建特征函数向量,并利用Baum-Welch算法训练子模型参数,从而对故障数据所隐藏的异常模式进行概率估计。通过实例分析证明该方法能够实现对原始故障数据的精简,有效识别包括信息畸变、保护断路器不正确动作在内的异常信息,为实现数据驱动下自适应故障诊断系统的开发设计提供了一种新的思路。