目前信息技术和通信技术得以高度发展，随着数字化变电站以及智能二次设备的更新换代，二次侧信息实现高度共享和集成，电网故障诊断具备充实的数据基础。90年代初至今，我国的专家学者对电力系统故障诊断做了大量的研究。但是目前只有少数基于模式识别、规则挖掘的方法用于电网故障诊断。研究以解决实际工程问题为目标的故障诊断方法具有重要的研究意义。
　　贝叶斯网络理论是公认具有优异容错能力的模式识别方法。贝叶斯模型的构造对故障诊断效果有很大的影响。传统面向元件建模的贝叶斯故障诊断模型结构相对固定，节点之间的连接方式不够合理，贝叶斯网的计算结果过于依赖保护节点。另外获取先验概率的困难阻碍了贝叶斯方法应用到实际故障诊断。
　　本文针对故障区域判断和贝叶斯模型进行了改进研究。提出一种基于故障隔离的贝叶斯故障诊断算法，在连接方式上将保护和断路器节点分开，实现模型对保护和断路器信息的综合利用。模型去除了元件节点的先验概率，只需要获得保护和断路器的条件概率以及节点证据值就可以进行故障诊断。由于保护和断路器的条件概率对应的事件属于小概率事件，不会因为概率的变化而影响诊断结果。因此典型的保护和断路器条件概率即可满足贝叶斯建模的需求。通过对断路器和保护分层处理，简化了贝叶斯模型的构造，并使贝叶斯模型能够兼容含有失灵保护的元件。同时本文利用简单的时序处理，配合断路器分层进一步减少可疑元件的数量，提高了故障诊断的效率。算法模型的有效性通过电网实际算例和典型电网仿真算例进行了验证。
　　对于故障诊断算法的容错能力，大部分的研究只停留在特殊算例的描述上，无法量化算法的容错性能，不同算法之间难以进行横向比较。本文提出了两个指标用来评价故障诊断算法的容错能力。并对传统贝叶斯模型和基于故障隔离的贝叶斯模型进行了仿真对比。结果表明基于故障隔离的贝叶斯模型具有更高的容错性。