当变电站内发生故障时,会涌现大量的告警信息,而由于某种原因,如信号传输通道受到干扰等,有可能发生信息漏报,告警中还有可能含有错误的信息。在这样的情况下,要求运行人员在极短的时间抓住告警实质,判断出故障设备有时是十分困难的。因此,利用人工智能的方法自动处理大量的告警信息,诊断故障设备,对故障处理人员迅速处理故障,保证电网安全稳定运行具有十分重要的意义。本论文所做的工作正是在此背景下进行的。本论文首先对神经网络做了简单的介绍,提出了采用RBF神经网络的分析方法,分析了RBF神经网络的拓扑结构、理论基础及其学习算法。其次,对RBF神经网络的容错性进行了研究,同时提出了一种提高RBF神经网络容错性的实用方法。再次,在建立网络模型之前,还采用了基于关系型数据的变电站知识表示方法。最后,对变电站智能告警系统进行了总体设计,详细研究了基于重构RBF神经网络的模型建立、网络诊断模块构造、及训练样本提取,并以贵阳市乌当变220kV主变、母线、线路为例,以该变电站的主变压器、母线和线路为核心设备,以与设备对应的相关保护动作信息和开关动作信息作为网络的输入,以与该设备对应的故障类型作为网络的输出,构造了按设备类型来分类的网络诊断模型。用具体实例通过MATLAB7.0进行仿真,对诊断结果进行分析及验证。最终说明本文的设计能够达到预期目标,能够满足工程实际需要,具备较强的应用推广价值。