随着经济社会的快速发展,电力系统规模不断扩大,其网架结构和动态行为也变得日益复杂。可再生能源发电形式大量接入电网,其固有的波动性、间歇性和随机性也给电力系统的安全、稳定运行带来更大的不确定性和更严峻的挑战。另外,在电力系统运行中要考虑环境因素和经济因素,这使得电力系统的运行条件更加接近其安全极限,极大地增加了电网运行和维护的复杂性。当系统的局部故障处理不当时,极易造成事故影响范围扩大,甚至会引起系统发生大面积停电事故。现代社会对可靠电力供应的要求越来越高,一旦发生大停电事故,将会引起巨大的经济损失和严重的社会影响。对停电后的系统恢复过程进行研究,制定出合理可行的恢复方案,对于缩短系统停电时间,减小停电事故带来的损失和影响具有十分重要的意义。在发生大停电事故后,电力系统恢复控制的最终目标是在尽可能短的时间内恢复对失电负荷的重新供电。机组恢复是进行大规模负荷恢复的前提条件,也是整个恢复控制过程的基础和重点。对停电后的机组恢复过程进行研究,制定合理可行的机组启动方案,可有效加快系统的恢复进程,缩短系统停电时间,从而减小停电事故带来的损失和影响。因此,对停电后的机组恢复顺序优化进行研究具有重要的理论意义和实际应用价值。机组恢复优化的目的是确定系统中无自启动能力机组的最优启动顺序和最优恢复路径,保证机组恢复安全和有序的进行。机组恢复优化与多种因素有关,是一个多阶段、多约束、非线性的复杂组合优化问题。本文在已有成果的基础上,对机组恢复优化进行了深入的研究,提出利用多目标优化理论、偏好优化理论以及复杂网络理论等,解决电力系统恢复控制中的机组启动顺序优化和机组恢复路径优化问题,包括模型建立、算法求解、约束校验等多方面的内容。论文的主要研究工作和取得的创新成果如下：(1)在详细分析了黑启动试验中变压器励磁涌流的产生原因和带来的影响的基础上,提出了一种考虑励磁涌流影响的黑启动阶段待恢复机组快速优选方法。在黑启动试验中,变压器励磁涌流中含有的高次谐波导致黑启动机组机端电压发生畸变,且影响到采用自励磁的黑启动机组的励磁系统的正常运行,最终引起黑启动机组跳闸。本文对黑启动阶段励磁涌流的成因和影响进行了深入的分析,提出一个变压器权重来表征黑启动阶段励磁涌流影响的严重程度；对线路空载充电过程进行了分析研究,提出了一个线路权重来表征线路空载充电时的过电压水平和黑启动机组带空载线路运行时引发自励磁的可能性大小；同时还提出了一个机组辅机权重来反映机组辅机启动时引起的暂态电压跌落和频率跌落的程度。在此基础上,本文定义了一个黑启动阶段机组恢复成功率指标,用于评估不同机组作为首台机组,经由不同路径进行启动时成功恢复的难易程度。建立了以机组恢复成功率最高为目标的优化模型,通过对系统中的待恢复机组和恢复路径进行预选以提高求解速度。以山东电网为例进行了仿真计算,仿真结果表明所提方法可在较短时间内选择出最优的待恢复机组和对应的恢复路径,不同方案校验结果的对比进一步表明了所提机组恢复成功率指标的有效性。(2)为了协调解决网架重构阶段机组恢复顺序优化和机组恢复路径优化相互影响的问题,在优化过程中将两者同时进行考虑,并计及了优化目标重要性的差异,提出了一种机组恢复偏好多目标优化模型和求解方法。模型中考虑三个优化目标,所有待恢复机组在恢复过程中提供的发电量最大,恢复路径中线路成功投运的概率最高以及恢复路径中节点的平均重要度最高。电力系统恢复的最终目的是在尽可能短的时间内恢复对负荷的重新供电,优化目标1与系统恢复的最终目的相一致,故其重要性高于其余两个目标,是机组恢复优化模型中的偏好目标。本章采用偏好先验的方法,首先将机组恢复优化模型中的偏好信息表达为一个参考点,并引入一种基于Pareto支配和参考点法的新的支配关系,即r-dominance关系。然后采用集成了r-dominance关系的r-NSGA-II算法,根据参考点在解空间中搜索偏好优化模型的最优解。最后采用一种层次分析法与顺序结构评估法相结合的决策方法对获得的多个偏好Pareto最优解进行评估,并选择出最终的恢复方案。山东电网实际系统仿真结果表明,所提机组恢复多目标优化模型能够充分考虑机组恢复路径对机组启动顺序优化的影响,可同时获得多个Pareto最优的机组启动顺序和对应的机组恢复路径；所采用的基于偏好优化理论的r-NSGA-II算法能够有效处理偏好优化模型中的偏好信息,从整个Pareto最优解集中选择出符合求解偏好的最优解,且能够方便控制获得的最优解集的规模。(3)恢复过程中,不同系统状态下机组恢复的优化目标有所不同。为了获得能够满足实际恢复需求的机组恢复方案和减少机组恢复优化所需的时间,提出一种两阶段机组恢复优化方法。在恢复初期,系统相对较弱,在第一阶段中,以安全恢复为优化目标,选择恢复成功率最高的机组作为首台待启动机组。第二阶段中,以快速恢复为主要目标,并兼顾考虑了恢复路径中线路的可靠性和站点的重要性,建立了一种偏好多目标优化模型。基于变邻域搜索算法的思想,提出一种通过设置求解域的方法来松弛模型中优化目标的偏好约束。然后使用一种混合智能算法,即差分进化-分布估计算法在求解域中搜索机组恢复多目标优化模型的Pareto最优解。IEEE30节点系统和山东电网实际系统的仿真结果表明,与将待恢复机组统一进行优化的方法相比,两阶段方法可减少制定机组恢复方案时所需的时间,且获得的恢复方案更加符合实际机组启动过程；提出的求解方法既可使获得的最优解满足模型的求解要求,同时又可减小优化求解时的计算量,提高求解速度。