与传统配电网相比,智能配电网供电可靠性更强、供电质量更高,是未来配电网的发展方向。自愈是智能配电网的基本特征,对于保证配电网运行稳定性具有重要意义。故障定位和故障恢复是智能配电网实现自愈功能的基本手段,而分布式电源(distributed generator,DG)的大规模接入使传统的方案不再完全适用。因此,研究分布式电源接入下智能配电网故障定位与故障恢复方法对于提高配电网自愈能力具有重要意义。分布式电源并网后,配电网变为两端/多端电源网络,传统的基于单向潮流的故障定位方法不再适用。同时由于配电网不再采取换位措施导致线路参数不对称,传统的分析方法比如对称分量法无法实现序分量之间的解耦,对故障定位精度也造成一定影响。对此,本文提出一种基于改进Karrenbauer变换的有源配电网故障定位新方法。首先从标准Karrenbauer变换出发,经过矩阵变换,最终得到可实现不换位配电网三相高精度解耦的相模变换矩阵,即改进Karrenbauer变换矩阵。在三相网络高精度解耦的基础上,通过分析相模变换后1模故障分量电流相角差,推导出有源配电网区段故障定位的判据。最后通过算例仿真验证了本文所提故障定位方案不受过度电阻影响,可以快速、准确地实现不换位有源配电网的故障定位。配电网故障恢复是在满足多个约束条件下寻找使多个目标最优的大规模非线性规划问题。萤火虫算法是一种新型仿生智能优化算法,收敛速度较快且算法结构简单。在此基础上,本文提出一种基于惯性权重的多目标萤火虫算法:引入NSGA2算法中的拥挤距离和非支配排序的概念,将该算法引入多目标优化领域;构造精英档案机制,减少精英流失;引入惯性权重的概念,通过调整惯性权重系数的大小改变萤火虫移动距离,使其在前期提高全局收敛速度,在后期提高局部搜索能力。本文将基于惯性权重多目标萤火虫算法用于优化有源配电网故障恢复路径,以开关动作次数最少和网损期望值最小为目标,同时利用拟蒙特卡洛方法模拟DG出力的不确定性对故障恢复路径方案的影响,建立有源配电网故障恢复模型,确定出最佳的故障恢复方案。以IEEE33节点算例为例,验证了本文所提配电网故障恢复策略的有效性。