电力系统全黑状态下的系统恢复称为黑启动，制定合理的黑启动方案能够加快系统的恢复进程，减少事故损失。黑启动可以分成电源恢复、系统重构和负荷全面恢复三个阶段。本文致力于研究系统重构阶段的网络重构策略，这一阶段对于系统的恢复具有承上启下的重要作用。在对黑启动过程中系统重构的目标进行深入研究的基础上，建立了网络重构的数学模型，确立了在保证系统稳定条件下负荷恢复数量最多并且优先恢复重要负荷的目标函数。　　 论述了遗传算法的原理、数学基础和特点。针对遗传算法的局限性，对遗传算法的选择操作、交叉和变异操作做了改进。采用均匀排序与随机遍历抽样相结合的选择方法，在算法迭代过程中采用改进的自适应策略调整交叉率和变异率，并且加入重插操作，提高了算法的优化性能。　　 结合网络重构的特点和改进的自适应遗传算法实现了基于改进自适应遗传算法的网络重构，提出以线路作为染色体编码，线路总数为染色体长度的编码方法。在优化过程中加入了网络连通性的检验和处理，减少了不可行解的产生，提高了算法的计算效率，加快了收敛速度。　　 本文采用MATLAB作为编程仿真工具，在IEEE30节点系统和IEEE57节点系统中进行了实例仿真，结果表明算法的改进是有效的，也验证了改进的自适应遗传算法应用于网络重构中的有效性。　　 差分进化算法是近年来新提出的一种进化算法，在许多实值优化问题中取得了很大成功，于是本文将二进制差分进化算法应用到网络重构这一离散优化问题中，仿真结果表明算法在优化过程中收敛速度较慢，要克服这个缺点还需要对算法进行一定的改进。