专家系统是发展最早，也是比较成熟的一种人工智能技术一般地说，专家系统是一个具有大量专门知识与经验的程序系统，它根据某个领域的专家提供的知识与经验进行推理和判断，模拟专家的决策过程，以解决那些需要专家决策的复杂问题专家系统的应用领域不同，采用的知识表示方式也可以有所不同。
专家系统在电力网络故障诊断中的典型应用是基于产生式规则的系统，即把保护、断路器的动作逻辑以及运行人员的诊断经验用规则表示出来，形成故障诊断专家系统的知识库，进而根据报警信息对知识库进行推理，获得故障诊断的结沦。该系统允许增加、删除或修改一些规则，以确保诊断系统的实时性和有效性:能够在一定程度上解决不确定性问题:能够给出符合人类语言习惯的结沦并具有相应的解释能力 。
但是需要说明的是，对于电网故障专家诊断系统，获取完备的知识库是形成故障诊断专家系统的瓶颈如果建立的知识库不完备，可能导致专家系统推理失败或给出错误的结论。因为专家系统在推理时要搜索、匹配知识库内一定的规则集才能得出结沦，所以当系统比较大时完成诊断的速度将会比较慢:而电力系统领域专家在实际工作中的思考方式是非常简洁实用的，他们更多的是利用其脑海中己熟知的典型方案，根据对比实际问题，再加以适当修改和调整，从而得到符合实际问题的求解方案。此外，专家系统的容错能力较差，在故障后保护装置或断路器错误动作的情况下，专家系统因缺乏有效的方法识别错误信息，容易造成错误诊断。研究者将专家系统与其它理沦方法结合起来以改善这一缺陷，可望使专家系统得到新的发展与突破。
人工神经网络(ANN)是模拟人类神经系统传输、处理信息过程的一种人工智能技术与专家系统相比，人工神经网络最大的特点是采用神经元及他们之间的优先权重连接来隐含处理问题的知识，并具有学习与自学习能力和泛化能力，容错能力较强，即使输入信号带有一定的干扰噪声，仍能给出正确的输出结果。
ANN在电网故障诊断中的应用主要在故障定位和故障类型识别两个方面，其主要问题是:ANN在使用之前需要大量的、有代表性的样本供其学习，且学习算法收敛的速度一般比较慢。学习完成之后，如果系统结构发生变化，则需要增加新的样本重新学习:ANN通常只能给出一个介于0-1之间的数值作为输出，对诊断结果缺乏解释能力，这不利于运行人员理解诊断结果。因此，尽管ANN具有一定的容错能力，但是它不能提供信息帮助运行人员推断不正常动作的装置:此外，如何设计适用于大型输电网络的故障诊断系统仍然是一个有待于进一步研究的问题。
模糊理沦是将经典的集合理沦模糊化，并引入语言变量和近似推理的模糊逻辑，具有完整的推理体系的智能技术。一般模糊系统的结构与专家系统的结构类似，由模糊知识库、模糊推理机和人机界面等几部分组成，也可以说模糊系统是模糊理沦与专家系统结构的结合 。
模糊理沦己被大量引入输电网络故障诊断领域。输电网络故障诊断的不确定性主要是由保护或断路器误动、拒动，信道传输干扰错误，保护时间偏差等因素造成的。这些不确定因素对于要求严格匹配搜索的专家系统来说，很容易导致错误的结果但在专家系统中融入模糊理沦后，由精确推理变为近似推理，在一定程度上增强了专家系统的容错性。模糊理沦除了与专家系统相结合构成诊断系统外，也可以与其他各种人工智能技术结合在一起，分析不确定因素对智能诊断系统的影响，提高诊断的准确率。只是需要注意的是，模糊理沦所必需的先验信息较难准确获得，这给其应用带来的很大阻力。
