配电网络恢复重构是一个多目标、多约束、离散化、非线性混合整数优化问题，最后结果实际上是通过对网络中的部分开关动作组合来得到，在保证恢复后配电网连通性、辐射状等各类约束条件下，实现开关操作次数少，减小网损等目的，并从所有可行的方案中挑选出最优的供电恢复方案。82934

然而，事实上配电网络故障恢复重构问题的求解过程非常复杂，其中包含非线性等式约束、非线性不等式约束、网络拓扑限制、“组合爆炸”等问题，因此单纯依靠数学方法很难处理。现国内外学者通过大量的研究工作，提出或者引进部分合适可靠的算法来解决这类问题，现将可利用的相关算法大致归纳为4类。

1  传统优化算法

传统的优化算法是通过将故障恢复问题用数学规划模型进行描述，得到基本不依赖问题初始结构的全局最优解。

该方法将问题将目标函数、等式约束条件和不等式约束条件用传统的数学形式表示，模型直观，当存在最优解时一定能够收敛于最优解，但随着配电网的发展，节点和元件数量增多，问题维数变得很大，在实际操作应用中发现传统优化算法耗时较长，实际效用较差。

2  人工智能算法

    随着智能科技的发展，国内外学者更倾向于将人工智能与解决配电网故障恢复问题相结合，目前发展较为成熟、可用于供电恢复的人工智能算法有：启发式搜索算法、专家系统法、模糊算法、进化算法、人工神经网络和Petri法等。论文网

启发式搜索算法是利用配电网络故障恢复问题的特点和根据配网运行经验提出的规则来确定后期的搜索方向，启发式搜索算法是以一定的准则来搜索最优搜索方向的算法。事实证明该算法对于简单网络能快速得到最优方案，适用于在线实时计算，但当网络结构复杂度提高后，无法保证得到的解是最优解，通常只能得到次优解，并且该方法只适用于单目标，无法适用多目标的情况。

   专家系统法是通过将专家的知识经验设计成数据库，计算机模拟专家的决策过程，进行故障恢复分析，解决故障恢复问题。专家系统法具有通用性和实时性的特点，可应用于复杂结构和多种故障同时发生的情况，但该算法运用的前提是在拥有一个完备的知识库的基础上实现的，但事实上专家知识库很难涵盖所有的故障模式和运行方式，因此无法保证得到的解为为全局最优解。

   模糊算法运用的基本原理是：通过隶属度函数对所选择的目标函数进行模糊化处理，对待评估的解集进行模糊打分，最后将得分最高的解作为问题的最优解。该方法更容易得到符合实际情况的恢复策略，容错性好，通过对多个隶属函数值进行加权可处理多目标优化问题，但问题在于隶属度函数的选取过程比较复杂，并且当网络结构发生变化时隶属度函数需要随时修改。

    人工神经网络法是模拟了人类大脑的基本特性，对所抽取的样本进行训练，最后记录下输入和输出之间的非线性关系并且将该关系存储在神经元的权值中。该算法的优点在于不需要对配电网进行潮流计算，也不需要考虑开关操作所降低的网损，提高了计算效率，但缺点在于最后结果与训练样本数据有着较大的联系，权值与配电网复杂度有关，算法的实用性在很大程度上受到了限制。

Petri网在电力系统的故障恢复操作中，可估算恢复操作的时间，得到恢复操作的顺序。它的优势在于可并行计算，并同时得到多个求解路径，适用于求解多类故障条件下的恢复重构问题，但算法需要根据配电网结构的变化而发生变化。