随着全球能源危机问题日益严峻和计算机、信息技术的飞速发展,智能电网应运而生。智能电网通过信息技术改造电力系统,利用智能化、数字化控制最大化能源效率并保障能源安全。然而随着电网的智能化转型,电力系统中各类终端、传感器、新型负荷数目与类型激增,接入电网的海量信息及混杂的大量冗余、噪声信息为故障处理带来了巨大挑战。因此,如何提升智能电网背景下的故障处理速度,如何高效快速选择故障关键特征,提升故障处理速度进而保证系统稳定可靠供电是本文的主要研究内容。本文围绕故障快速处理优化方法展开研究。针对稳定性要求高且规模大的输电网,提出了基于改进蚁群算法的故障关键特征选择优化方法。首先基于人工智能模型结合工程需求求解最优关键特征数;然后利用基于最小冗余-最大相关（Minimal redundancy-maximal relevance,mRMR）算法的过滤式方法初筛特征集并与关键断面特征进行整合;最后通过基于改进蚁群算法的封装式方法选择出最优关键特征子集并进行验证。利用算例可验证优化方法的有效性,算法可高效快速删去冗余及噪声特征,耗时仅为秒级且获得的特征子集分类准确率较高。针对可靠性要求高且结构灵活多变的配电网,本文提出了基于边缘计算的配电网故障快速处理优化方法。首先介绍了具体应用的体系架构;其次,将边缘计算单元配置转换为最优分区规划问题,基于通信、电气、经济等指标构建目标函数求解最优边缘数目;其三利用谱聚类及k-means算法划分边缘管辖范围并进行分区修正。最后结合两个典型算例系统的仿真计算结果,通过与传统方法对比,验证了本文所提方法在处理故障方面所具有的有效性和快速性。