超高压直流输电(HVDC)是近年来发展起来的一项新的输电技术，主要应用于远距离大容量输电、电力系统联网、海底电缆或大城市地下电缆送电。若系统发生故障，将使生产停顿以致发生混乱，所以故障诊断是超高压直流输电技术的核心，也是实施系统保护的前提。针对目前国内外对HVDC系统故障诊断研究报道较少的现状，本文分析了HVDC系统故障的类型和特点，在故障仿真基础上，将S变换和支持向量机(SVM)理论用于该系统故障诊断中，深入研究了故障诊断系统中的几个关键技术问题。 论文首先分析了常用的故障诊断方法和信号处理方法，通过优缺点比较，提出将S变换用于系统故障信号的特征提取，并选用SVM进行故障分类。S变换是一种可逆时频局部分析方法，能有效提取信号的时频特征，并避免了小波变换中尺度参数难以选择的问题。SVM是在统计学习理论基础上发展起来的新的学习方法，在解决小样本、非线性及高维模式中有独特的优势，是机器学习领域的一个研究热点。 在分析了HVDC系统常见故障类型及特点后，本文用电磁暂态仿真软件EMTDC／PSCAD构建了一个HVDC系统故障仿真模型，对典型故障进行仿真研究。分析波形特点，选择能反映故障特点的直流电压和直流电流信号进行S变换，提取故障有效特征组成故障样本。然后用SVM方法训练故障样本并进行分类测试。通过比较不同诊断模型的性能，得到适合于HVDC系统的最佳诊断模型参数。 论文最后针对传统SVM不能有效处理孤立点的问题，将模糊SVM思想引入到HVDC系统故障诊断中，并对两种方法的诊断结果作了比较。仿真实验和结果分析表明，将S变换和SVM用于HVDC系统故障诊断是有效可行的。