行波测距装置因定位精度高、适用性强而被大量应用,在云南地区电网中形成了跨厂家、多平台局面,容易形成信息孤岛。随着“坚强智能电网”这一理念的不断推进,云南电网依托电力通信网,将调度分析主站与安装了行波测距装置的变电站连接起来,构建行波测距装置协同测距系统,打破传统不同厂家之间的数据无法协同测距的状况。随着智能电网建设的不断加强,要求变电站全站采用以太网。然而,由于安装了行波测距装置的变电站数量众多,所以变电站中以太网故障时必须能快速智能地诊断故障原因,这对维护行波测距装置组网系统的数据稳定交互至关重要。为了提高变电站中以太网的稳定运行能力,就必须不断发展和提高以太网相关故障诊断技术。针对上述提出的背景需要,本文针对云南地区装设行波测距装置的变电站子站中以太网故障的诊断方法进行研究,提出了一种基于交互式教-学最优自组织特征映射神经网络的以太网故障诊断方案。首先,对云南地区行波子站中以太网结构、故障特点等进行分析、研究。将网络设备中实时变化的各性能数据作为反映以太网运行状态的特征向量,即诊断依据,在对现有的各故障诊断方法分析进行对比后,决定以自组织特征映射神经网络作为诊断方法,建立行波子站以太网故障诊断模型。然后,针对自组织特征映射神经网络在建模过程中容易受到训练数据的数量和排列方式影响而导致诊断正确率低的这一问题,在原始教-学优化算法的基础上提出了交互式教-学优化算法,以交互式教-学算法优化自组织特征映射神经网络故障诊断模型并进行以太网故障诊断。最后,以云南地区行波子站中以太网接口故障历史数据对诊断模型进行验证,结果表明,该方法能极大的提高行波子站中以太网故障诊断的正确率。