全球各国近年来频发的大停电事故给经济带来巨大损失,并且严重威胁社会稳定。大停电事故大多是由电力系统单一或少数节点、输电线路故障进而导致连锁故障引发的。加强对电力系统重要节点、重要输电路线的实时评估,有助于实时掌握当前电力系统的运行情况,以及为切断事故传递链做准备从而提高电力系统运行的安全性;提前预测未来一段时间电力系统的重要节点、重要输电线路有助于掌握节点、输电线路重要度的变化趋势,以及为电网公司争取充足的预警时间;提前在已建成的电力系统中规划骨干网架,通过差异化运维骨干网架内的节点、输电线路以及其它设备有助于保证故障时对特殊负荷的供电,加快故障后的恢复速度以及减少故障对电力系统造成的不利影响。本文围绕电力系统节点、输电线路评估及骨干网架规划等问题开展了研究,具体研究工作如下:由于互联网和电力系统都可以抽象为复杂网络,本文受互联网重要网页评估SALSA（Stochastic Approach for Link Structure Analysis）算法的启发,并且结合电力系统运行方式,节点局部拓扑结构、全局拓扑结构等物理背景、特点研究并设计了EB-SALSA（Electrical Bus-Stochastic Approach for Link Structure Analysis）算法用于电力系统重要节点评估。仿真结果表明该算法既保留了SALSA算法时间复杂度低的特点,又具有重要节点评估精度高并且综合考虑了拓扑结构、运行方式两方面因素对电力系统节点重要度程度影响的优势。本文将SALSA算法的核心思想与电力系统输电线路的物理背景、特点相结合,研究并设计了EL-SALSA（Electrical Transmission Line-Stochastic Approach for Link Structure Analysis）算法用于电力系统重要输电线路评估。由于在重要输电线路评估时不能直观的根据拓扑结构建模,本文研究采用了N-1校验时的输电线路相互影响关系构建模型。同时EL-SALSA算法还将输电线路间的局部、全局故障传递结构和电力系统运行方式考虑进算法。仿真结果表明该算法时间复杂度低、评估精度高。由于即使重要节点、重要输电线路评估算法的计算复杂度再低,计算速度再快,其结果与实际电力系统之间仍存在延迟。因此在以上两部分研究的基础上,本文研究并设计了K-M（K-means Markov chain）算法用于电力系统重要节点、重要输电线路预测。该算法采用K-means算法和马尔科夫链从数据挖掘和预测两方面入手对电力系统未来一段时间的重要节点、输电线路进行预测,同时还对K-means算法的初始聚类中心选择机制进行了改进,使其聚类过程更加高效。仿真结果表明该算法相比BP神经网络算法和一次平移算法预测准确的节点、输电线路数量多,平均误差小。在重要节点评估、重要输电线路评估的研究基础上,本文首先将电力系统骨干网架问题抽象为需要满足潮流约束和连通性约束的0-1多目标优化问题,并在此基础上结合生物地理学算法给出了电力系统骨干网架的规划方法。同时本部分还对生物地理学算法进行了改进,使其能够胜任骨干网架规划这个0-1多目标优化问题,仿真结果验证了该规划方法的合理性与有效性。