近年来,由极端自然灾害所引发的大型停电事故发生的日益频繁,造成极大政治影响与经济损失的同时,还会威胁到社会生活的正常进行以及百姓人身安全。利用本地分布式电源安装灵活、清洁高效等优势,保障极端故障下配电网中的重要负荷持续供电是提升配电网韧性的有效手段。目前,国内外利用分布式电源进行配电系统恢复的研究尚处于起步阶段,尚未形成一套公认有效的配电系统优化决策方法。本文主要围绕考虑间歇性分布式能源出力不确定性的主动配电网动态故障恢复方法开展研究,研究内容大致包括以下几方面:首先,分析了极端故障场景的主要特点,总结了韧性系统在极端故障下的恢复过程,讨论了主动配电网现有配置及其特性,在此基础上确立了以提升配电网韧性为目标设计动态故障恢复策略的研究内容。考虑到风光等间歇性能源出力的不确定性,提出了一种基于滚动计划理论的多时段负荷恢复策略,并设计了基于实时信息不断更新可再生能源出力模型、基于单一时段负荷恢复风险限制模型动态校正负荷恢复方案的研究思路。其次,针对间歇性可再生能源出力的随机波动性,提出了间歇性能源出力不确定性统一建模方法。在分析间歇性能源历史出力数据的建模需求与研究传统高斯混合模型(Gaussian Mixture Model,GMM)与期望最大化(Expectation Maximization algorithm,EM)算法的基础上,对传统模型及算法进行改进,得到了能满足大量高维权重历史数据建模需求的WD-GMM(Weighted-Data GMM)及WD-EM(Weighted-Data EM)算法。基于改进算法求解的风光历史出力预测误差不确定性先验分布验证了改进模型与算法的有效性。再次,针对极端灾害后较难跟踪预测的风光等可再生能源出力,基于最大后验估计改进传统EM算法,结合历史先验信息与不断获取的实时量测信息,在线更新GMM参数,得到了基于参数自学习的EM算法(Self-learning EM,SF-EM)的间歇性能源出力分布参数自学习方法。基于模型参数自学习算法得到的实时更新的间歇性能源出力预测误差不确定性模型实现了对实时信息变化的实时响应,提高了极端故障下不确定性描述的准确性。最后,基于机会约束规划,提出了以提升配电网韧性为目标,考虑功率能量平衡、分布式装置特性等约束条件的主动配电网多时段负荷恢复优化模型。为了求解所建立的概率约束最优化问题(Probabilistically constrained problem,PCP),提出了风险限制指标的概念,并提出了三种不同的风险指标计思路,将PCP模型转化为等效混合整数线性规划问题。基于考虑不同风险限制水平的主动配电网多时段负荷恢复优化模型,分别从三个场景下验证所提负荷恢复策略对韧性的提升作用,并通过不同评估指标从经济性、安全性、可靠性等角度分别分析三种优化场景的优劣势。