随着“双碳”政策的不断贯彻落实,新型电力系统以可再生能源为主体,中国能源电网呈现了能源清洁化特点,并伴随深度融合智能控制技术与低碳能源技术的发展,可再生能源接入配电网数量逐年增长,网络结构也越来越复杂,配电网由被动接受方逐步转变为主动灵活可控的电力消纳与输出方,即含有分布式电源的主动配电网。此外,计及含有的分布式电源自身间歇性等特征,给配电网的安全稳定运行带来了新的风险和挑战。因而,为了应对传统评估与预警方式适用性较差、效率低等问题,需综合考虑配网中不同类型影响因素,预先精准的分析配电网运势,发挥主动配电网主动控制能力以降低风险。为此对主动配电网进行全方位精准的评估与预警是十分有必要的。研究含分布式电源的主动配电网风险“评估与预警”问题,为了从配电网海量且高纬度的数据环境获取有限的有重要价值的信息,提高主动配电网对风险研判的精准度,实现在不确定信息环境中量化评估,以及针对风电、光伏以及负荷预测误差,本文提出主动配电网故障风险评估及安全预警的综合方法,主要研究的工作如下:（1）在主动配电网的风险评估方面,从安全性和可靠性两者结合的角度,分析风电、光伏功率波动以及负荷功率波动的多风险因素下的配电网运行风险,构建多维配电网的评价体系,本文运用熵修正的层次分析法对安全稳定运行因素进行权重分配,计算各类具体指标,进而评价配电网的态势。（2）考虑多风险因素,本文提出一种基于改进拉丁超立方-蒙特卡洛（Latin hypercube sampling-Monte carlo,LHS-MC）抽样的风险评估方法,对由多个随机性原因所导致的风险事件进行评估。本文重点则是以分析风险源的概率模型为基础,对风险因素环境进行模拟分析,模拟真实出力场景,进而验证系统的评估效果。其中包括采用改进的场景削减技术,对模拟运行中各项发电的出力状况进行合理削减,以提升模型计算精度。通过新的风险评估方法计算出风险指标值,从而实现了在多种随机因素下对主配电网运行风险的定量评价。（3）在风险安全预警方面,本文提出了一种基于粒子群算法优化BP（BackPropagation,BP）神经网络的故障风险预警机制,针对预测误差所产生的风险,分析配电网中风光荷产生预测误差的原因,建立了预测误差概率分布模型。对处理好的样本进行特征提取,通过粒子群算法对不同输入影响特征进行权重的调整和优化。同时建立预警标准,及时发布告警信息,可识别故障的类别及等级,实现可视化预警。通过实验仿真验证了组合算法模型在预测的精确度和运算的速度两方面都取得了非常好的效果。本文在评估与预警两大模块之间进行交互,证明了本文所研究系统中机理-数据结合的合理性。一方面对风光荷不确定性建模,分析了发电出力与负荷需求不确定性,改进的场景法解决了多种随机变量模拟精度差、计算慢问题,并通过建立完善的风险评价指标体系为风险评估提供理论支撑,另一方面利用神经网络对多场景多源信息解耦,解决了多种影响因素输入分析难问题,建立整体主动配电网的故障风险的评估及预警系统,使得在主动配电网故障的研判方面做到“快速”“准确”和“稳定”,对风险等级的分配更直观。主动配电网中存在的问题能得以反馈,其安全稳定运行进一步得到保障。