故障診斷
近代故障診斷技術的發展已經歷30年，但形成一門“故障診斷學”的綜合性新學科，還是近幾年逐步發展起來的，以不同的角度來看，有多種故障診斷的分類方法，這些方法各有特點。概括而言，故障診斷方法可以分成兩大類：基于數學模型的故障診斷方法、基于人工智能的故障診斷方法。
故障診斷的主要任務有：故障檢測、故障類型判斷、故障定位及故障恢復等。其中：故障檢測是指與系統建立連接后，周期性地向下位機發送檢測信號，通過接收的響應數據幀，判斷系統是否產生故障；故障類型判斷就是系統在檢測出故障之后，通過分析原因，判斷出系統故障的類型；故障定位是在前兩部的基礎之上，細化故障種類，診斷出系統具體故障部位和故障原因，為故障恢復做準備；故障恢復是整個故障診斷過程中最后也是最重要的一個環節，需要根據故障原因，采取不同的措施，對系統故障進行恢復。
1、輸變電設備故障診斷
輸變電設備，特別是大型高壓設備、輸電線路等，發生突發性故障時，會造成巨大的經濟損失和不良的社會影響。因此，輸變電設備的可靠性是電力系統安全、穩定、經濟運行的基礎保證。針對電力設備故障診斷這個領域，結合聲紋識別、神經網絡、信息融合和專家系統等前沿技術，進行基于新型智能信息處理技術的電力設備故障診斷方法的研究，為實現變電站狀態維修提供技術基礎，最終實現新型的變電站決策支持系統的建立。
2、大型風力發電機故障診斷
風力發電機組電氣系統故障率最高，其次是電控系統、傳感器等，而平均故障排除時間卻依次為葉片、齒輪箱和發電機引發的故障。據統計，陸上風場運維成本高達總收入的 15% ～ 20%，海上風電場甚至高達 30% ～ 35%，故障診斷技術是保證風場運行效率并降低風場運營成本的關鍵。風電機組狀態監測、故障診斷和智能維護技術等已逐步成為新的行業增長點。
基于定性經驗的風電機組故障診斷是一種利用不完備先驗知識描述系統功能結構，并建立定性模型實現故障診斷過程的方法，主要包括專家系統(expert system，ES)、故障樹分析(fault tree analysis，FTA)、符號有向圖(sign directed graph，SDG)等方法。
