1.一种电网完备性状态信息重构的非精确故障识别方法，其特征在于，包括以下步骤：(1)、获取电网的运行参数和拓扑参数，以及电网在故障模式下的故障特征向量；

(2)、将获取的运行参数、拓扑参数和故障特征向量输入至广域测量系统WAMS；

(3)、求解最优配置模型，实现电网节点的RTU或PMU优化配置；

其中，X＝[x1,x2,…,xi,…,xn]表示电网节点的RTU或PMU配置向量，i＝1,2,…,n，n为电网节点个数； A为节点关联矩阵；Y1,Y2是Y的子集，Y1表示与零注入节点不关联节点对应的向量，Y2表示零注入节点的关联节点对应向量集；假设有mT个节点与零注入节点不关联，那么I＝[1,1,...,1] m×1是m×1矩阵，Tinj表示零注入节点及其关联节点的关系矩阵，Binj是对应向量集；

(4)、将实现RTU或PMU优化配置后的电网节点标记为潮流特征点；

(5)、构建预设故障数据指纹库

(5.1)、对电网中各条线路依次编号为1～n，将每条线路单独故障或组合故障作为一类故障，从而构建预设故障集；

(5.2)、将预设故障集中任意一类故障作用于潮流特征点上，然后按照如下公式计算每个潮流特征点上的平均电压幅值其中，T表示故障作用于潮流特征点上时间， 表示第 个潮流特征点的电压信号；

然后将所有 构成特征向量

(5.3)、将每组平均电压幅值与相应的故障类别组成一一对应的预想故障数据指纹库；

(6)、求解非线性模型

(6.1)、在f(x|Aj)和在P(Aj)上分别引入非精确性模型，其中，f(x|Aj)表示特征量x在故障Aj下的高斯联合密度函数，P(Aj)表示故障Aj发生的概率，Aj表示第j类故障；

(6.2)、令 方差为 通过参数β扩展出期望与方差的非精确区间；扩展出期望与方差的非精确区间；

其中， 表示期望的极大似然估计值， 表示方差的极大似然估计值，β为描述各线路故障特征量分布的非精确性参数；

(6.3)、建立非精确区间约束条件；

根据非精确性的Dirichlet模型，并结合P(Aj)归一性、非负性条件，共同构成约束条件；

其中，设M＝∑mj为某实际电网一年内所有故障类下所有线路发生故障的总次数；mj为第j类故障下所有线路发生故障的次数；s为每条线路发生故障的非精确性参数；E[·]表示求期望的最小值， 表示求期望的最大值；

(6.4)、根据约束条件，将步骤(6.3)建立的非精确约束条件代入至步骤(6.1)中的f(x|Aj)和P(Aj)上，得到目标函数F(x,P(Aj))，并组成下式非线性最优化方程组：其中，j∈[1,K]，K为故障类别总数；

(7)、通过步骤(6)计算出各个故障类下的非精确区间概率值，再选择概率值最高所对应的故障类别作为故障诊断结果，即完成故障识别。