我国远距离直流特高压输电系统正在规模化地建设,特高压直流送受端动态无功储备和电压支撑不足的问题日益突出。调相机与其它几种无功补偿方式相比具有短路容量大、无功支撑能力强的特点,因此大容量调相机在电网中的应用又随之提上日程。然而大型旋转调相机结构复杂,零部件众多,易出现故障。一旦出现故障,调相机不但不能正常运行,还会影响系统稳定运行。因此本课题研究内容主要围绕调相机故障机理及其故障诊断算法展开。本文通过分析调相机在定转子绕组匝间短路故障、气隙偏心故障时的气隙磁密,计算并分析了定转子振动特性及定子并联支路间的环流特性。本文对比了快速傅里叶变换、短时傅里叶变换、小波变换及小波包变换,指出了快速傅里叶变换、短时傅里叶变换对于处理非平稳信号存在着不足,而小波变换、小波包变换处理非平稳信号有更好的时间分辨率和频率分辨率,并且小波包变换较小波变换更具优势。本文应用小波包变换对调相机振动信号进行特征提取,并引入主成分分析法对特征向量降维,从而减小数据冗余度。本文以降维前后的调相机特征向量作为训练样本来训练径向基神经网络,证明了主成分分析对训练样本降维的可行性及有效性,并通过比较不同参数下的径向基神经网络训练结果及网络输出结果,指出了基于K均值聚类算法的径向基神经网络算法的不足之处。本文针对基于K均值聚类算法的径向基神经网络算法的隐含层神经元初始数据中心选择的随机性以及隐含层节点数K选择的盲目性,提出了一种基于改进K均值聚类算法的径向基神经网络算法,并用降维后的数据对改进算法进行验证,结果表明了改进算法的可行性。