电网作为电能传输的载体,如何提高其安全性一直以来受到科研人员的高度关注。研究发现,许多停电事故起源于部分重要节点、关键线路的故障,这些元件的故障对整个事故的发生起着推波助澜的作用。因此,如何对这些元件进行辨识具有重要意义。同时,在完成重要元件辨识后,如果能据此确定差异化的骨干网架,在自然灾害发生时,将能有效缩短重要负荷的停电时间,减少经济损失。基于上述思路,本文围绕重要节点、关键线路的辨识以及骨干网架的搜索等相关内容进行了研究,具体研究内容如下:（1）提出了一种节点重要度评价的综合指标,从网架结构和运行状态的角度实现了重要节点辨识。通过计及线路参数以及风电影响下的线路越限停运概率,改进了领域相似度指标,进而分析了不同节点间的相似度,从网架结构角度确定了节点的重要性;基于熵理论,定义了增量特征值熵指标,通过系统最小特征值的混乱度刻画了风电随机场景下节点对系统电压幅值的影响,从运行状态角度确定了节点的重要性。最后运用熵权法将二者客观地结合起来,完成了重要节点的辨识。相比现有方法,本文所提方法考虑了节点间的相似程度,计及了风电对节点重要性的影响,分析角度更全面,使得最终辨识结果更准确。（2）提出了一种改进Girvan-Newman（GN）社团发现算法,分析了电力系统在风电随机波动影响下的社团特性,完成了风电不确定性传递的关键线路辨识,正是这些线路对风电不确定性的传递,带来了社团内线路越限的风险。本文在第二章研究的基础上,定义了功率波动介数,修正了原始GN算法中线路权重全为1的问题,并针对仅含单个发电机节点的社团和不含发电机的社团两种不合理情况进行了单独处理,实现了风电不确定性影响的社团结构发现。在社团结构的基础上根据线路权重完成了关键线路辨识。以统一潮流控制器（UPFC）作为辅助调节手段,验证了社团结构的合理性以及关键线路辨识的有效性。相比原始GN算法,本文所提方法在随机场景下的社团发现更加准确、有效,能够实现关键线路的辨识。（3）提出了一种图论和优化算法相结合的越限最小应急骨干网架搜索方法。将越限最小的应急骨干网架搜索这一复杂的非线性混合整数优化问题转化为一个图论路径问题和一个连续变量的优化问题。在第二章节点辨识结果的基础上,将部分重要节点纳入应急骨干网架中,并利用图论路径搜索算法保证了骨干网架结构上的最简性,有助于灾害后的快速恢复;考虑到最简应急骨干网架可能并不一定满足安全约束,利用内点法求解优化模型,确定了越限最小的运行状态。相比现有方法,本文所提方法简化了计算过程,有效避免了采用智能启发式算法求解过程的不确定性。