现代化的过程控制系统正朝着大规模、复杂化的方向发展，这类系统一旦发生故障就可能造成巨大损失。因此，保障复杂系统的可靠性与安全性具有重要的意义。随着人工智能技术的发展以及相关领域学科研究的深入，设备故障诊断也朝着智能化方向发展，智能故障诊断为提高复杂系统的可靠性开辟了新的途径。作为一门交叉学科智能故障诊断在过去的几十年里飞速发展，一些新的理论与方法已经成功地应用到实践。总体而言，智能故障诊断方法分为两大类：基于数学模型的故障诊断方法和基于人工智能的故障诊断方法。 

　　人工神经网络是近年发展起来的交叉学科，涉及生物、电子和计算机等领域，它的发展对目前和未来科学技术的发展有重要的影响。它是采用物理可实现的系统来模仿人脑神经细胞的结构和功能。它由很多处理单元有机地联接起来并行地工作，处理单元十分简单，但工作则是“集体”进行的，它的信息传播和存贮方式与神经网络相似。与现代计算机完全不同， 它没有运算器、存贮器、控制器，代之以简单处理器的组合，信息存贮在处理单元之间的联接上。  

　　由于神经网络具有较强的在线学习能力、非线性映射能力和联想记忆能力，很早就被引入到电力系统。人工神经网络( Artificial?Neural?Network ，以下简称ANN) 是模拟生物神经元的结构而提出的一种信息处理方法，具有本质的非线形特征、并行处理能力、强鲁棒性以及自组织自学习的能力，目前比较成熟的是误差的反传模型算法 (BP算法)，它的网络结构及算法直观、简单、在工业领域中应用较多。经过训练的ANN适用于利用分析振动数据对机器进行监控和故障检测，预测机械部件的疲劳寿命。非线性神经网络补偿和鲁棒控制综合方法的应用在实时工业控制执行系统中较为有效。还可利用BP算法学习正常运行实例调整内部权值,从而解决非线性问题。因此，对于存在着大量非线性的复杂电力系统来讲，理论在电力系统中的应用已涉及到如暂态，动稳态分析，负荷建模和负荷管理，警报处理与故障诊断，配电网线损计算，故障检测和继电保护等方面。      

　　1.BP算法理论基础  

　　算法理论基础算法是一种监控学习方法，通过比较输出单元的实际输出和希望值之间的差别,调整网络路径的权值,以使下一次在相同的输入下,网络的输出接近于希望值。  在神经网络投运前，就应用大量的数据，包括正常运行和不正常运行的，作为其训练内容以一定的输入和期望的输出通过BP算法不断修改网络的权值。在投运后，还可根据现场的特定情况进行现场学习，以扩充ANN内存知识量。从算法原理看，并行处理能力和非线性功能是BP算法的一大优点。  神经网络用于电力系统故障诊断主要集中在对电网的故障处理上。电网中的每一类故障都会产生一组警报信息，不同类型的故障具有不同的警报组合，因而可以将警报处理和故障诊断表示为模式识别问题，这样就能用人工神经网络来进行处理。  神经网络进行故障诊断的基本原理是：将故障报警信息量化作为神经网络的输入，神经网络的输出代表故障诊断的结果。首先对神经网络进行训练学习，即将特定故障对应的报警模式作为样本，建立全面的样本库，然后用所有的样本对神经网络进行训练，这样就可以将样本库的知识以网络的形式存储在神经网络的联接权中，最后，通过神经网络输入的计算就可以完成故障诊断。故障诊断中神经网络所采用的模型大多为BP模型，基于BP模型进行报警处理和故障诊断的方法，该方法将报警信息作为神经网络的输入，故障作为神经网络的输出，用于识别电网发生的故障，缺点是还不能用于大规模系统。基于分层分布式的神经网络故障诊断方法，适于大规模电网故障的诊断。基于神经网络的电气设备的绝缘故障诊断，目前主要集中在变压器的故障诊断和局部放电的诊断。基于油中溶解气体分析的变压器神经网络故障诊断方法等。  

　　2、模糊控制  

　　自模糊集理论创立以来，得到了不断发展和完善，其应用成果也产生了巨大的经济效益。基于模糊逻辑和控制的产品层出不穷，如模糊照相机、模糊洗衣机、模糊空调机等民用产品，如模糊自动火车运行系统、模糊自动集装箱吊车操纵系统等工业领域的应用。  随着理论研究的不断深入，它在电力系统中的应用领域也越来越广泛，例如：静态稳定控制、暂态稳定预测、系故障定位和诊断、电气设备的故障诊断、负荷频率控制和预测、安全分析与控制等。将模糊控制理论运用到变压器的诊断中，运用模糊关系矩阵建立变压器的诊断模型，将故障现象和故障原因建立在矩阵中，通过输入和输出关系来进行诊断。将模糊辨识应用于变压器的绝缘诊断中，通过在模糊诊断模型中引入最小二乘法，减少人为因素对模型的干扰。模糊控制理论应用于电气设备故障诊断专家系统中，对模糊控制理论与专家系统相结合应用于电器设备的故障诊断作了有益的探索。  然而，在模糊集理论中，由于在隶属度的获取、复杂系统的模糊模型的建立、辨识，语言规则的获取、遗忘、修改等理论和方法还不够完善，应用受到了一定的限制。目前，将模糊控制与专家系统、神经网络等相结合是解决这一难题的好方法。  

　　3 其他方法  

　　除此之外，智能故障诊断还有其他一些方法，比如：小波分析和遗传算法等，这些学科分支的发展及其不断完善，为故障诊断技术开辟了新的途径。