随着电力需求的不断增加和电网规模的不断扩大,保障电网安全成为一个至关重要的课题。近年来,电网中的相继故障现象时有发生,严重影响了人们的生产生活。因此,研究电力网络在相继故障情况下的鲁棒性并对其进行优化具有十分重要的意义。本文结合了网络科学和进化计算等理论,对相继故障场景下的电网脆弱性、拓扑优化以及资源分配等问题进行了一系列的研究,主要研究结果如下:（1）研究了考虑代价的混合攻击场景下电网的脆弱性。建立了考虑代价的混合攻击模型,以有限的攻击总成本同时对节点和连边进行攻击。根据攻击每个组件造成的故障规模与需要的攻击代价,提出了一种攻击中心性指标。给出了攻击代价受限条件下寻找最优的混合攻击组件集的优化问题,并证明其为NP难问题。进一步给出了基于攻击中心性指标的贪心算法和优化算法。在IEEE标准电网数据上进行了仿真实验,测试了各攻击算法的效果和电网脆弱性。（2）研究了电力网络和信息网络之间的耦合方式以及节点的容量分配方式对相继故障的影响。借助于复杂网络模型构建电力-信息相依网络,并建立由随机攻击触发的相继故障模型,进而分析不同耦合方式、节点容量等因素的影响。仿真实验结果表明,整体而言,耦合连边越多,相依网络的相继故障鲁棒性越差。此外,两种网络之间无论是采用随机耦合还是度相关耦合,对于节点容量分配而言,平均分配都比与负载成正比的分配方式具有更好的鲁棒性。（3）研究了电网相继故障恢复过程中资源的合理分配问题。给出了一种基于负载的资源分配方案,并借助于仿真实验研究了这种资源分配方案对电网恢复过程的影响。实验结果表明,将恢复资源过多分配给高负载或低负载的节点都无法提升系统的恢复性能,两者之间存在最佳的折中使得系统的恢复性能最佳。此外,使用粒子群算法进一步优化恢复资源的分配,能够得到比基于负载的方案更好的恢复性能。