隨著電力系統規模的不斷擴大，大型電力設備的數量逐步增加，對設備的可靠性要求也日益提高，故障診斷技術的出現，為提高設備的可靠性和安全性開辟了一條新的途徑。故障診斷技術能夠通過設備的運行數據的分析，掌握設備的運行狀態，從而判定產生故障的部位和原因，并預測預報未來狀態的技術。

 

    如果我們可以對故障做到及時診斷，就能夠為設備維修提供重要的依據，有效避免事故的發生發展，保證設備安全，提高企業設備的現代化管理水平，給企業帶來較大的經濟效益和良好的社會效益。

 

    現有的故障診斷技術主要有專家系統、人工神經網絡、貝葉斯網絡、時間序列模式匹配技術、Petri網、模糊集理論等方法。

 

    傳統的故障診斷專家系統，是一個具有大量的專門知識與經驗的程序系統，.它應用人工智能技術和計算機技術，根據某領域一個或多個專家提供的知識和經驗，將知識與經驗編成一系列產生式規則，進行推理和判斷，模擬人類專家的決策過程，以便于解決那些需要人類專家處理的許多系統設備的故障診斷問題。專家系統是發展最早的人工智能系統之一，能夠有效地模擬故障診斷專家完成故障診斷的過程，其采用的基于規則的知識表示方法具有簡單直觀的優點。

 

    但專家系統需要很多復雜高深的專業知識以及長期積累的經驗，這超出一般工程師所掌握的范圍，從而變得不易操作。電力設備專家系統不具備學習能力，知識獲取比較困難。專家系統在推理時要搜索、匹配知識庫內一定的規則集才能得出結論，所以當系統比較大時完成診斷的速度將非常慢。