电力系统的首要任务在于为用户提供连续的且质量良好的电能,并在供电过程中保证其经济性。配电网作为电力系统末端,直接与电力用户相连,是保障电力系统用户连续可靠供电的最重要的一环,随着人们对供电可靠性和电能质量要求的越来越高,配电网可靠性也日益为成为相关研究领域的重点。随着配电网网络规模不断扩大,配电自动化、泛在电力物联网建设的不断推进,配电网多层次、多源的实时运行监测数据呈指数级增长,大数据一方面为配电网可靠性评估和调度规划提供了数据支撑,另一方面也对可靠性评估的计算精度和速度提出了更高的要求。如何从中挖掘对可靠性影响相关性大的因素、更好地利用大数据技术对未来时间尺度内配电网可靠性的变化进行预测是研究的重点。本文以配电网为研究对象,从短期和长期两个方面对其在大数据背景下的可靠性评估方法进行研究。首先,从电力系统内部和外部两个方面汇总分析了配电网大数据来源,对其中各数据源系统的数据、数据格式和之间的关系进行分析,得到配电网大数据来源广泛、结构多样、粒度精细、关系复杂等特点。针对配电网大数据这种多源异构的特点,提出了基于多源数据的数据预处理方法以及一种基于块坐标下降法的真值发现算法,为解决多源监测数据的不一致和冲突问题提供了一个新的思路。在对配电网大数据进行预处理的基础上,分别提出短期和长期视角下的配电网可靠性评估方法。其中,短期配电网运行可靠性评估以分钟、小时级为时间尺度,提出了一种基于多元时间序列聚类的评估方法,采用公共主成分分析对具有高维性、时间序列特点的运行数据降维,通过聚类的方式得到少量典型短期多元时间曲线,从而快速对配电网短期运行可靠性进行评估。长期配电网可靠性评估以月度、年度为时间尺度,提出了 一种基于粗糙集和遗传算法改进极限学习机的评估方法,从装备水平、设备质量、网架结构、运行维护、气象条件等方面建立了较为全面的配电网可靠性影响因素体系,利用粗糙集理论筛选出其中影响性较强且相互间较为独立的因素,以历史样本数据训练遗传算法改进极限学习机,从而得到可靠性评估模型用以预测未来配电网可靠性水平。基于上述研究,本文在配电网可靠性研究的理论和实践上取得了一定成果。研究成果对配电网可靠性评估方法及应用有一定的理论贡献,其结果对配电网实时调度和规划建设具有一定的参考价值。