本文主要探讨的是面向含分布式电源配电网的供电恢复算法，特别是在故障发生时如何有效地重构网络以保证电力供应。分布式电源的接入对传统配电网的网络重构带来了新的挑战，因为它们增加了系统的复杂性和不确定性。
分布式电源（如风力发电）的容量对配电网的故障网络重构有显著影响。在孤岛运行模式下，分布式电源必须能够承担其供电区域内的负荷，确保功率平衡。文章引用了孤岛内功率平衡条件的数学表达式，说明了发电机容量与负荷之间的关系，并考虑了频率偏差和多机孤岛的有功不平衡容忍度。
文章提出了一个基于风电机组的网络重构评估模型。在含有风电机组的配电网中，由于风速的不确定性，负荷和风力发电的输出功率成为主要的不确定因素。文章给出了风力发电机的三种运行状态（额定运行、停机、欠额定运行）以及风速与风力发电机输出功率的关系，利用威布尔分布函数描述风速的概率分布。
接着，文章介绍了基于改进模糊遗传算法（IFGA）的重构算法。在IFGA中，适应度函数是关键，它由三个指标函数组成：供电可靠性函数、电压均衡指数函数和有功功率损耗函数。这三个函数分别衡量了重构后电网的供电可靠性、电压质量和功率损耗。通过这些指标，IFGA能够更全面地评估和优化网络重构方案。
供电可靠性函数考虑了负荷节点恢复供电的情况，电压均衡指数函数关注环路中联络开关处的电压平衡，而有功功率损耗函数则旨在最小化网络的功率损耗。IFGA的适应度函数是这三者的一个加权组合，以实现综合优化。
针对含分布式电源的配电网，改进模糊遗传供电恢复算法提供了一种有效的解决方案，它能适应分布式电源的不确定性，并通过优化供电可靠性、电压质量和功率损耗来确保故障后的高效恢复。通过实际案例验证，该算法显示出了良好的有效性和可行性，对于提升含分布式电源的配电网的故障应对能力具有重要的理论和实践意义。
