环境保护、技术进步、社会发展和国家政策使得智能电网成为世界电力工业发展的必然选择。由于迫切需要提高电网自愈能力、电力基础设施利用效率、电能质量和供电可靠性的原因,智能电网的建设,将首先在配电网和终端用户展开。智能配电网的研究和实践尚处于起步阶段,涉及众多技术领域,其中配电快速仿真与模拟(DFSM)是智能配电网的基础和核心功能之一。本文紧紧围绕着DFSM及其分布式智能系统的几个关键问题展开研究工作,目的是:应用分布式人工智能的相关理论和方法建立起DFSM的分布式智能系统;并在DFSM的核心功能及相关领域取得实质性的成果。配电网三相状态估计是DFSM的核心功能和研究难点之一。对于基于支路电流的配电网三相状态估计算法,采用Java语言编制了相应的应用程序。算例分析表明该算法可以实现三相解耦计算,能够处理多种类型的量测数据,为本文的后续研究奠定了基础。应用MP广义逆矩阵和加权最小二乘问题的唯一极小最小二乘解等数学方法,推导出配电网状态估计中量测误差和状态向量估计误差之间的数学关系表达式;提出了一种新颖的量测评估和配置优化方法,避免了组合爆炸的产生,能够简单准确地确定量测装置的类型和最佳安装地点。为配电网量测系统建设和持续性优化提供了理论上和方法上的支持。结合智能科学的理论和方法研究智能配电网,提出了一个改进的人类智能模型,阐明“信息→知识→智能”的转换过程即是智能形成的核心机制,用于指导DFSM的分布式智能系统的研究。将Agent和MAS的理论与方法应用于DFSM的分布式智能系统的研发,提出Agent的八元素实现结构模型,设计并初步实现了基于MAS的DFSM分布式智能系统(masDFSM)。应用Agent的八元素实现结构模型,将配电网三相状态估计算法程序嵌入Agent的动作库中,开发了基于MAS的配电网三相状态估计并行分布式计算软件(masDSE),为进一步开发DFSM中的其它仿真分析软件和提高计算性能提供了新的方法和可供借鉴的模板。对masDSE中的任务调度问题进行研究,建立了相对应的调度问题数学模型,提出了基于模糊C均值(FCM)聚类分析算法的任务调度优化方法,使得各计算节点的计算负载均衡程度最佳,进一步提高了masDSE的计算性能。