随着社会经济的不断发展,电力系统规模逐渐扩大,用户对供电可靠性的要求越来越来高,配电自动化系统成为主流发展方向。故障发生后及时判断故障位置,完成故障区段定位及非故障失电区域的供电恢复是配电自动化的核心内容,现已成为国内外研究热点。本文主要研究基于拓扑分析的配电网故障定位和故障恢复蚁群算法。介绍了配电网的结构特点及传统的电网络模型,指出传统电网络模型的局限性和进行配电网拓扑分析的必要性,分析比较了拓扑分析广度优先搜索法和深度优先搜索法的优缺点,最终选用广度优先搜索法作为本文拓扑分析方法,建立配电网变结构耗散网络模型,为故障定位和故障恢复打下基础。蚁群算法因其良好的收敛性及运算速度在配电网故障定位领域得到广泛应用,但传统蚁群算法具有易早熟陷入局部最优等缺点。本文基于前人研究成果,对传统蚁群算法进行改进：提出了设置初始信息素浓度的新方法；引入正负信息素更新机制,动态调整信息素浓度；在算法停滞时,启动扰动原则,避免算法陷入局部最优；对于多电源情况,提出了一种新的开关函数构造方法,避免进行多次定位的繁琐。算例分析验证了本文算法的可行性和容错性。本文研究比较了遗传算法和启发式规则等常用故障恢复算法,提出将改进蚁群算法应用于配电网故障恢复中。采用开关操作数等四个恢复指标结合模糊判据构造蚁群算法评价函数,提出故障恢复蚁群算法可操作开关集的概念,引入关键路径法,缩小可操作开关集规模,从而减小算法搜索范围,提高搜索速度。算例分析表明,该算法具有高度收敛性、实时性以及较强的全局稳定性。