随着改革的不断深化,我国社会与经济呈现出一派欣欣向荣的景象,人民生活水平以及幸福指数在不断地提高,能源需求也在不断地攀升,并且创下了近年来的新高。社会与经济的蓬勃发展离不开基础设施系统的支撑,其中基础设施系统包括电力、交通、天然气、互联网等。在这些系统中,电力系统的重要性不言而喻,电力系统是现代社会和经济运行的动力能源,没有了电,一切用电设备便陷入了瘫痪状态。近年来,剧烈的气候环境变化导致了极端灾害事件发生的频率越来越高,多次造成国外电力系统大规模停电甚至解列。为了减少极端灾害事件对电网的影响,多个国家相继提出了构建弹性电网的相关战略。本文以弹性电网的恢复力为基础,研究了弹性电网在强台风下的可供负荷预测和恢复策略设计问题,完成的主要工作和取得的成果如下:（1）首先从弹性的一般性定义出发,介绍了不同领域的专家学者关于不同学科所提出的弹性的定义。其次,提出了电网当中关于弹性的定义,并刻画了电网在拥有弹性时所表现出来的特征。然后,应用仿真分析了实际电网在遭遇自然灾害时所表现出来的状态信息,由此提出了一种弹性电网总体分析框架。最后,在弹性电网总体分析框架下,把握弹性电网在受灾各个阶段的脆弱点,对症下药,提出了弹性电网具体的分析方法。（2）研究并使用所提的Merge-Google算法去预测在台风影响下弹性电网承灾阶段的可供负荷量。首先将历史台风信息移动路径、台风强度变化的规律（采用batts模型）、最大风速半径等可视化,表现在图片上。其次,将弹性电网的拓扑结构、功率流、杆塔的强度信息等可视化,表现在图片上。然后,将两张图片及弹性电网在承灾阶段的可供负荷量输入到Merge-Google网络中,训练Merge-Google网络,充分挖掘历史数据价值及信息。最后,将验证集中的图片导入到Merge-Google网络模型中,验证了所提方法的准确性。（3）研究并提出了以负荷等级、线路流动功率以及元件可靠度为基础的故障恢复策略。以恢复资源时变性以及元件修复时间差异性为前提,使用所提的基于免疫算法的神经网络去优化元件恢复次序。在所有的神经网络中,3层反向BP神经网络被认为是最经典的神经网络,它不仅结构简单,只有输入层、隐含层和输出层三个层,而且可以最大限度地拟合非线性函数,这对复杂问题的优化非常有用。但是传统的反向BP神经网络在使用梯度优化时,初始权重和阈值都是随机设定的,在使用梯度下降算法进行优化时,很容易陷入局部最小值,搜索不到全局最优解。神经网络的初始权重和阈值会对网络的拟合性能产生比较大的影响,因此使用了免疫算法对BP神经网络的初始权重和阈值进行优化,以提高反向BP神经网络在预测元件恢复次序时的准确率。