近年来,极端天气引起的大停电事故频繁发生,造成了巨大经济损失的同时也严重影响了人民的生活安全。风光发电间歇性分布式电源大量接入配电网,在为配电网提供电能的同时,其出力不确定性与波动性也会为配电网的安全可靠运行带来负面影响。本文针对配电网遭遇极端故障场景,研究间歇性分布式电源参与的配电网故障恢复方法,主要研究工作及成果如下:首先,针对间歇性分布式电源出力的不确定性,提出了基于参数自学习的间歇性分布式电源出力建模方法。根据大量机组出力历史数据拟合了高斯混合模型先验分布。设计了时间权重序列,以平衡历史数据和实时量测数据的影响。为了使模型自主适应天气场景变化,提出了基于改进贝叶斯理论的参数更新方法,加入实时数据更新模型参数得到后验分布,实现了模型参数的自学习更新。算例分析对比了更新前和更新后的出力概率分布,验证了所建立的概率分布模型的合理性和自学习更新方法的有效性。然后,针对配电网遭遇极端故障场景,提出了含机会约束的配电网多时段故障恢复优化模型。基于节点电压与节点注入功率的线性关系的推导,将间歇性分布式电源出力随机变量和节点电压的平方随机变量联系起来。提出了一种机会约束转化方法,将难以求解的随机优化问题等价转化为确定性的混合整数线性规划问题。以保证重要负荷持续供电为目标,求解计划负荷恢复策略与可控分布式电源发电计划,在高置信水平下维持系统中潮流稳定。最后,针对配电网故障恢复过程中时序特性,提出了多种场景下配电网故障恢复运行策略。以降低系统波动性为目标,建立了混合整数二阶锥规划模型,在计划负荷恢复方案的基础上,避免负荷的重复投切和分布式电源出力的较大波动,求解后得到当前时段系统的实际运行策略。算例分析对比验证了在不同置信度下该故障恢复策略的有效性,所提出的模型不仅可以在考虑间歇性分布式电源出力不确定性的同时恢复更多的重要负荷,也可以有效降低切负荷率。