电气设备智能化是智能电网发展的重要组成部分，也是设备检修方式向状态检修转变的必然要求。作为电力系统中重要的保护与控制电器，断路器承担着开断和关合电力线路、线路故障保护、监测运行电量数据等重要作用，其智能化发展对于提升电力系统运行的坚强性与可靠性有着重要的意义。作为智能化的主要方面之一，断路器在线监测与故障诊断技术在国内外得到了快速发展。在线监测技术是前提与基础，通过对断路器运行主要参数进行连续实时测量来反映断路器工作状态;故障诊断技术是目的，通过对历史数据的分析处理，判断断路器的运行状态，预测潜在故障。通过对其的研究可以提升断路器智能化水平，满足智能电网发展的要求，增强电力系统运行的安全稳定性。　　本文对断路器在线监测与故障诊断技术的基本理论和国内外发展现状进行了深入的了解与分析，对其中蕴含的关键问题，包括断路器机械参数计算方法及在线应用、故障诊断算法中数据样本的前处理及故障诊断模型建立、故障诊断算法的鲁棒性以及在线监测系统的开发与研制等方面都进行了大量的理论与工程化研究工作。　　针对断路器机械参数在线计算问题，本文提出了基于小波变换和基于集合经验模态分解两种方法。其基本原理都是通过信号处理手段对断路器合闸位移信号进行处理，定位其刚合点并以其为参考点计算得到包括触头开距、分合闸速度、接触行程、同期性等在内的其他机械参数。两种方法通过实际算例证明都具有较高的实用性，克服了在线状态下无法获取断口信号的缺陷。相对而言，基于小波变换的方法具有较高的计算效率;而基于集合经验模态分解的方法拥有更高的精度，且计算过程简单，适用性好。　　针对断路器故障诊断问题，本文将故障诊断问题分解为故障数据前处理与故障诊断模型建立两个主要方面。对于故障数据前处理，本文提出利用模糊核聚类进行故障数据预分类，建立诊断模型的输入训练样本空间。克服了原有故障历史数据按时间排序，没有类别标签，不能作为故障诊断模型直接输入的缺陷。针对聚类过程中容易出现的陷入局部最优，导致聚类准确性下降的问题，提出了利用粒子群算法的全局搜索能力，结合模糊核聚类的P-KFCM算法。通过聚类目标函数更新粒子群的全局最优位置与全局最优适应度来优化聚类结果，取得了显著的效果，有力的提高了分类结果的准确度。对于故障诊断模型建立问题，本文采用的是一对一多分类支持向量机。其基本步骤为:首先利用P-KFCM算法对历史数据进行分类，同时以MPC作为聚类有效性考核指标，确定最优聚类数与聚类结果;其次，以聚类结果作为支持向量机的输入训练样本，分别两两组合建立多个诊断模型;在此，将测试样本输入上述多个诊断模型，得到预诊断结果;最后，综合上述诊断结果，以出现次数最多的诊断结果作为最终的结论。该方法通过对分合闸电流特征的实例分析证明，具有较高的诊断准确度。　　针对故障诊断算法中故障数据易受信号采集噪声和特征计算误差干扰的问题，通过理论和实例分析考察了故障诊断算法的鲁棒性，研究了在不同随机噪声加入情况下本文中支持向量机诊断模型的准确性。指出样本间差异度较小是引起故障诊断算法易受干扰的主要原因，提出了基于核主元分析的故障数据分离方法。利用核主元分析的核空间映射，加强对微小变化的检测能力;通过对残差空间中统计信息的监视，实现故障数据的准确定位;通过故障样本与正常样本的数据分离加大样本间差异度，提高抗干扰能力。实例分析表明，该方法对支持向量机诊断模型的抗干扰能力起到了巨大的提升作用。　　最后，在理论分析的基础上，设计并研制了断路器在线监测系统。该系统包括上位机和下位机两个主要组成部分。上位机采用小型工控机，下位机采用基于ARM和FPGA的数据采集与通信单元。能够实现数据采集与通信、数据处理与存储、历史记录查询、采集数据的图形显示及人机界面交互等功能，可以实现对断路器的基本参数，包括机械参数、电气参数、环境参数等的实时在线监测。系统还进行了电磁兼容性设计以适应现场运行的要求。装置运行稳定可靠，其功能与运行可靠性已通过型式试验与现场试运行验证。