配电网与电力用户直接相连,配电网供电可靠性与用户的生产生活息息相关。故障停电是影响配电网供电可靠性的重要因素,进行配电网故障停电预测对提高配电网供电可靠性具有现实意义和理论价值。论文提出基于IFA-RVM配电网故障停电预测模型和SA-PSO-RVM配电网故障停电预测模型,对配电网故障停电指标进行研究。针对配电网故障停电影响因素众多且具有不确定性,导致预测工作难度大的问题。论文利用层次分析法(AHP)对配电网故障停电影响因素进行层次划分,计算各层因素相对于故障停电指标的影响权重,并对权重结果进行排序,选择排序靠前的六个影响因素提出故障停电影响因素评价体系。针对标准萤火虫算法(FA)在优化RVM的核函数参数过程中收敛速度变慢,精度下降的问题。引入自适应惯性权重,优化萤火虫位置更新公式;同时,动态调整搜索步长因子,均衡算法的全局和局部的搜索能力,得到改进的萤火虫算法(IFA)。实验表明,IFA算法相比标准FA算法优化速度和精度都有所提升。针对粒子群(PSO)算法在优化RVM的核函数参数过程中易陷入局部最优值的问题。将模拟退火算法(SA)的概率突跳机制引入PSO算法,提出模拟退火-粒子群算法(SA-PSO)。实验表明,SA-PSO算法相比于PSO算法的优化性能更好,可以跳出局部极值得到全局最优解。应用某电网2017至2019年故障类停电指标数据,对论文提出的两种预测模型进行实验验证和对比分析。结果表明,对于短期预测,SA-PSO-RVM模型的预测值与实际值的相关系数比IFA-RVM模型高0.0029;而对于长期预测,IFA-RVM模型的预测值与实际值的相关系数比SA-PSO-RVM模型高0.0022。