在应对智能配电网服务从被动向主动转变的发展过程中,对多源故障数据的融合和处理是明确故障情况、掌握故障规律的重要前提。由于故障信息来源维度不一,数量巨大,为了保证后续主动抢修调度等服务的稳定与高效,需要对智能配网多源大数据进行融合,明确考虑故障情况,并在符合系统稳定性约束的条件下进行分布式微型配网接入的配电网最佳配置。为此论文进行如下工作:首先,对抢修数据进行预处理,对不同来源的数据进行层次校验,并判断整体数据的情况,与时效情况,对数据整体的质量情况作出预判,建立基于密度聚类(Ordering points to identify the clustering structure,OPTICS)算法的配网抢修数据异常检测办法,对抢修大数据聚类分析,提取数据异常项,通过算法设置和特例分析,明确该方法针对有故障数据存在的抢修大数据依然能有效地辨识数据异常情况。然后,明确各类故障的判别逻辑,找出各类故障的主要影响因素,对故障研判选取特征量,结合数据融合模型,对各类故障数据特征量提出具有针对性的处理办法,明确各特征值对故障类型研判的作用空间,建立基于证据理论(Dempster Shafer,DS)的多平台下的配电网故障综合研判模型,结合故障的时域特征,对故障在平台内先时域融合,再进行平台之间空域融合后,实现全面判断和识别故障的目的。最后,针对风速的随机模糊性,利用随机模糊变量描述它的变化,以此覆盖更为丰富的不确定信息,提高配电系统处理N-1故障能力,实现故障后的负载转移能力,降低失负荷对系统的影响,通过判断系统静态安全指标满足情况并考虑主动管理(Active Management,AM)措施,将风电机组容量配置规划和和解决方案操作问题结合,构建一种考虑时间序列特征的随机模糊机会约束双层规划模型,IEEE 14节点配电网络系统仿真表明该方法充分考虑了 AM措施,改善了规划阶段的配电网运行,并且该方法在提升接入分布式电源(Distributed Generation,DG)前提下更具备适应性。论文针对配电网故障情况进行深入研究,考虑故障数据处理及研判与故障下配网的分布式不确定配置。自可信数据的故障研判,至故障后合理配置方案,为含风电电力系统存故障情况的主动配网技术与优化配置与分析提供参考。