主动配电网(Active Distribution Network,ADN)智能化程度不断提高,对负荷控制管理的能力越来越强,当其发生永久性故障后迅速进行故障恢复,可以减少经济损失,提高供电质量等,所以进行主动配电网故障恢复研究是保障电力系统稳定运行环节中必不可少的一部分。光伏等各种分布式电源(Distributed Generation,DG)接入配电网,势必会改变传统的无源网络拓扑结构,运行控制方式会随接入的DG做出调整,应用深度优先搜索法(Depth First Search,DFS)进行网络结构分析,潮流大小和方向由改进的前推回代算法确定,并采用IEEE33节点系统验证该算法的正确性。考虑到光伏出力的波动性以及负荷功率随时间变动等因素会使ADN故障恢复研究难度增大,将多阶段动态供电恢复策略应用于计及光伏接入的ADN故障恢复研究。首先建立光储系统及负荷的时变模型,采用基于模拟退火算法(Simulated Annealing Algorithm,SA)与遗传算法(Genetic Algorithm,GA)结合来优化模糊C均值聚类(Fuzzy C-means Clustering,FCMC)算法根据时变负荷的内在相似性进行聚类,完成故障恢复时段划分,将计及光伏接入和时变负荷的ADN动态故障恢复转换为以聚类中心值表示节点负荷值的多个静态故障恢复问题,为光储系统孤岛划分研究和剩余网络恢复研究奠定了基础。在划分好的各故障恢复时段内进行ADN故障恢复研究,其分为光储系统孤岛划分和剩余网络恢复研究。在光储系统孤岛划分阶段,通过满足电量平衡约束和功率平衡约束,应用DFS对孤岛节点负荷进行切负荷操作,确定光储系统孤岛供电可行域,并以IEEE33节点系统为算例,采用改进的二进制粒子群算法(Binary Particle Swarm Optimization,BPSO)对其模型求解,得到各故障恢复时段内的孤岛划分方案。剩余未恢复供电负荷由ADN进行供电恢复,确定其供电恢复路径。将失电负荷量、恢复系统网损作为故障恢复目标函数,以节点电压、辐射状运行等作为约束条件,运用改进的BPSO完成模型求解,得到故障恢复方案。