本文首先论述了当前配电系统及其支持系统，然后分析了在配电系统负荷建模、潮流计算、故障诊断等环节中的不确定信息产生的原因，表现形式及处理办法。在考虑了配电系统分析及故障诊断中不确定信息影响的基础上，建立了一个考虑不确定信息的配电网分析及故障诊断系统平台。与以往的配电系统不确定分析方法不同的是本文在负荷建模、潮流计算、故障诊断等各个环节都建立了统一的不确定信息模型，并将信息的模糊性、随机性及粗糙性等不确定因素作为一个整体进行考虑，使得上一个环节的计算结果能够直接应用于下一个环节的分析，从而有效的避免了各个环节对于不确定信息处理的不一致问题。 本文主要内容包括： 首次将云理论与电力系统有效结合来解决配电系统原始数据不足的问题，提出了一种组合云发生器，将正向云发生器和逆向云发生器有效组合成一种闭环结构。结合配电网负荷数据的实际特点，在组合云发生器中加入了约束方程组和系统工况数据补充两个单元，保证了生成的负荷数据既能够包含系统的大部分情况，又不会出现实际不会发生的不可能数据，生成的云滴很好的反映了负荷数据所具有的模糊性和随机性。并在此基础上进行了基于T-S模糊模型的负荷辨识，将辨识结果与当前通用的几类模型进行了对比研究，结果显示了所提出方法的有效性和实用性。 针对配电系统中存在的大量不确定因素，提出了一类改进的配电网潮流支路前推回代法，充分考虑了负荷的不确定性对潮流计算的影响，使算法能够应用于复杂的实际配电系统，计算结果能更准确的反映负荷不确定性对于各个节点电压和功率的影响。对算法收敛性进行了分析和证明，给出了算法的收敛判据并证明了当满足收敛条件时必存在唯一平衡收敛点，同时给出了收敛误差方程。在美国PG＆E的69节点配电系统上的仿真结果表明，与确定性支路电流法和基于蒙特卡洛随机抽样的支路前推回代法相比，本文提出的方法计算结果能更准确的反映出更多的系统信息。 提出了一种基于断点重要度的配电网连续属性离散化方法，证明了该方法的有效性。综合考虑了线路的选择系数、灵敏系数和支持权值，应用属性离散指标作为离散化的评价标准，证明该指标可以作为离散化完备的充分条件。并且在时间复杂度和空间复杂度方面分析了算法的有效性，与同类算法的比较可以发现算法在基本不损失分类信息的基础上有效降低了时间复杂度和空间复杂度。首次在配电系统故障诊断中将连续和离散信号统一的应用粗糙集进行约简，使电压、电流等配电系统的重要模拟量可以参与到故障诊断系统中，提高了故障辨识的精度。同时，也为配电系统的临界稳态运行情况的判定提供了一个可能的解决办法。提出了一类基于遗传算法的粗糙集离散化和约简算法。在分析了遗传算法中各个主要参数对算法结果的影响基础上，重点讨论了适应值函数中目标函数、惩罚函数以及惩罚因子的构造方法，并对于算法的关键参数及进化过程进行了修正。与传统的粗糙集约简算法相比，文中的方法能够有效找到最优的属性约简结果，同时大大提高了算法的效率和实用性。将算法应用于美国PG&E的69节点配电系统进行仿真，对于324个属性，319条记录的复杂数据进行了有效的约简，结果表明算法对于实际的复杂配电系统能够进行故障诊断。 考虑到配电系统故障期间，不确定信息的爆炸增长导致运行人员的决策困难，提出了一类解决不确定性的系统化方法。首先提出了涉及不确定信息的粗糙集模型，在此基础上，构建了定性与定量之间的转换模式。充分考虑了属性的不确定性，给出了基于该模型的约简过程，并将结论采用模糊推理的形式给出，大大提高了算法的参考价值及计算精度。针对可能出现的矛盾和重复规则，为专家库中的各条规则建立了规则可信度和设备可信度和最终的综合分析可信度，加强了诊断结果的准确性和可用性。将其应用于典型的三分段三联接配电系统，仿真结果表明了算法的有效性和实用性。 最后，指出了配电系统分析及故障诊断系统的理论研究和实际应用所存在的问题，并对下一步研究工作进行了展望。