随着社会的发展,城乡居民的生活水平也有了较大幅度的提升,对电网供电的可靠性也提出了更高的要求。但在应对电网故障时,电力公司目前还是相对被动,所以要提升电网的可靠性就存在一定困难。实现电网故障预测可以为电力公司的电网运营维护提供决策支持,对经济和社会效益具有重大意义。相较于国外,目前我国对电网故障预测的研究还不够深入,然而直接在我国电网系统中引入国外的研究成果是有较大局限性的。所以本文针对电力公司对预测馈线的月故障等级的实际需求,采用以数据挖掘技术为基础的电网故障预测方法,并提出将馈线故障预测结果运用到优化抢修驻点问题的方法。首先构建以随机森林算法为基础的馈线故障预测模型,通过对随机森林优化方法进行分析,优化了随机森林算法构建的馈线预测模型,并将其预测结果与随机森林算法预测结果进行对比分析。然后构建了故障抢修驻点位置优化模型,该模型的目标是尽量缩小具体的抢修驻点与其管辖的各馈线间的距离之和,同时综合考虑了各项约束条件。最后将PGSA算法(模拟植物生长算法)引入优化模型中,以此来求得最优解,同时改进了PGSA算法;通过对实际场景进行配置,分别探究运用了馈线故障预测结果和没有运用馈线故障预测结果两种方式下优化抢修驻点位置的区别。本文的创新点在于以下两点:(1)利用改进的随机森林算法构建馈线故障预测模型时,首先分析了算法的泛化误差和适用性,并和常用的分类算法进行比较,得出随机森林算法的优点,为本文的研究提供理论支撑。(2)改进模拟植物生长算法,优化抢修驻点位置的求解过程,使馈线故障预测成功的可能性更大。