接地网是保障电力系统安全可靠运行和确保工作人员人身安全的重要装置。地网导体长时间掩埋在地下,受到土壤腐蚀和泄流电流的电动力作用,易发生腐蚀甚至断裂,可能引发事故并带来巨大的经济损失。通常对地网的检测方法采用的是大面积开挖的方法,这种方法具有盲目性、工作量大和速度慢等缺点,因此研究接地网的故障诊断方法具有重要意义。本文以接地网故障诊断为研究对象,对接地网仿真模型建立、基于直流测试的地网故障诊断、基于高频测试的地网故障特征提取与识别以及基于信息融合的接地网故障诊断方法进行了较深入的研究。在直流激励的作用下,将接地网看成线性电阻网络,以地网的可及节点电压为故障特征向量,将其作为RBF神经网络的训练样本,进行神经网络训练,利用训练之后的RBF神经网络进行故障定位。同时,针对地网故障时可及节点少而导致的故障信息量少的问题,建立了高频激励下的地网模型,以弥补地网可及节点数目有限而导致的故障特征信息缺乏。在此基础上利用小波包分解对可及节点的电压信号进行特征提取,再结合基于RBF神经网络的故障诊断方法实现对地网进行诊断。为进一步提高接地网故障诊断准确性,提出了基于D-S证据理论的接地网故障融合诊断方法,该方法将地网在直流激励、高频激励下的诊断结果作为证据来源,再利用证据理论进行决策融合得到最终的诊断结果,实现了两种诊断方法融合。仿真结果表明,基于证据理论的地网融合诊断的准确率较之单一的诊断方法而言,得到了显著的提高。