来自环境保护和能源安全的双重压力,正不断推动着可再生能源在能源系统的持续发展。但目前我国对可再生能源并网发电还缺乏统一的技术标准,项目建设也不够规范,现阶段分布式电源和微电网并网运行给配电网运行控制所带来的问题日益突出。其中一个主要问题是传统方法已无法解决含微电网的配电网络重构、故障定位、故障隔离和恢复以及恢复供电等问题。本文以实现配电网自愈为目标,将分布式电源和微电网并网后的配电网运行问题作为研究对象,围绕分布式电源以微电网形式并网后的配电网重构这一基础问题,引入节点功率预测方法,建立了“配电网-微电网-本地单元”的三级多代理系统。本文的主要研究内容包括：自愈机制下的配电网重构需要完成正常情况下的优化运行、故障发生后的自治恢复。在节点功率预测和允许重构中存在孤岛的基础上,提出了与常规模型不同的广义配电网重构模型,包括以下内涵：①正常情况下,基于节点功率预测的动态优化重构；②故障情况下,允许孤岛存在的故障恢复重构；③从外部电网断开后,对孤岛划分的重构；④孤岛内,基于节点功率预测的微电网管理性重构。针对故障重构的极端情况,即故障造成系统从外部电网断开时,该模型可将配电网重构转化成常规的孤岛划分问题,完全适应自愈机制的要求,并能够自适应的实现不同运行状态下的控制操作,有效解决了常规模型在此方面的不足。实测信息与预测信息相结合,有利于重构操作时获取时间段内累积效果最优的拓扑结构。采用连接函数和高斯过程回归方法相结合,设计了一种节点功率预测模型。预测模型参考节点功率的历史时间序列建立适应该节点的混合连接函数模型,连接函数能够基于功率数据时间上的相依性解析出多个信息分量,还能够将微电网内电源之间、电源与负荷之间的相关关系解析出多个信息分量；各个信息分量的后验概率是基于贝叶斯推理计算得到；对应每个信息分量建立局部的高斯过程回归模型,并以后验概率作为局部模型的权重整合出用于节点功率预测的全局模型。由于时间序列模型通过混合连接函数模型将功率数据用多个特征化的信息分量来表征,该模型适用于多种不同性质的节点——负荷节点、分布式电源节点、微电网节点、负荷+分布式电源节点等.提出结合类电磁机制优化的极端学习机算法,计算选取神经元的输入权值与阈值的最优值,去除无用神经元以降低计算量。采用来自UCI数据库的实际数据集验证了算法的有效性。从测试结果与其他极端学习机进行比较的测试结果可以看出,类电磁机制优化的极端学习机(EMO-ELM)算法的收敛速度和收敛效果等指标明显更优。最后将EMO-ELM算法应用于前文提出的广义配电网重构问题进行算例分析,仿真和实验结果均验证了所述方法的有效性。在多代理环境下实现了含微电网的配电网以自愈为目标的控制。针对微电网孤岛运行、按重构方案孤岛操作的情况分别设计了相应的控制策略,实现了孤岛内以及切换到孤岛模式的功率平衡和系统暂态稳定。作为补充支撑的逆变器型微电源的控制Agent也进行专门设计,其控制策略是在下垂控制的基础上,采用离散时间的自适应前馈补偿对微电源和微电网进行动态解耦,以提高动态系统的稳定性和鲁棒性。采用小信号模型进行稳定性分析,增加了递推最小二乘估计算法来预测系统运行点使控制系统具有自适应特性。配电网的自愈机制表现在其自我预防、自我恢复的能力,其能够充分体现并满足当前用户对配电网高可靠性的要求;自愈机制下的配电网重构是以全局测量信息为基础,充分利用功率预测数据,采用分布式、具有自治性和协调功能的控制代理,通过决策算法制定适应微电网接入后的配电网重构方案；重构操作的同时微电网能控制内部各单元,或协调、或自主的进行优化控制,以适应重构方案的任务需求和外部电网环境的变化。