配电网故障恢复的快速性一直为有关人员所关注，但是随着电力市场的发展，故障恢复的经济性比快速性更重要。如果停电时间比较长，故障恢复开始时和故障恢复进行中负荷特性是不一样的，然而目前对配电网故障恢复问题的研究忽略了负荷特性的变化。为了得到正确的故障恢复方案，应该考虑负荷特性的变化。因此本论文要研究电力市场条件下，配电网冷负荷故障恢复。 近年来，蚁群算法在各个领域得到了广泛的应用，并且在求解TSP问题时具有明显的优势，它比目前比较风行的遗传算法、模拟退火算法等具有更好的适应性。本论文研究的冷负荷故障恢复问题与。TSP问题有很大的相似性。本文研究了应用于配电网故障恢复的各种算法，蚁群算法还没有应用到配电网故障恢复中，本文尝试将蚁群算法应用于配电网冷负荷恢复中。 本文首先介绍了基本的ACO算法求解TSP问题的实现，分析了基本蚁群算法的性能、特点，并对蚁群算法基本模型及参数的合理选取进行了分析研究。随后介绍、分析和研究了各种改进蚁群算法，这些改进方法各有特点，对蚁群算法的性能都有一定的改善，受到这些改进蚁群算法的启发，本文提出了一种新的改进蚁群算法。改进思想如下：1)每次迭代结束后，只有t时刻为止算法得到的最优个体所走路径上的信息素作调整，从而更好地利用了历史信息，也加强了信息正反馈的能力，加快了解的搜索速度；2)采用对路径上的局部信息素调整，缩小最好和最差路径上的信息素的差距，避免陷入局部最优；3)确定性选择按信息素浓度最大进行选择，以加快解的搜索速度；4)完全随机选择充分发挥蚂蚁的开拓精神，找到一些比较优的行走路径，产生路径上信息素差异，之后，确定性选择的概率远远小于随机选择的概率，以利于对解空间的更完全搜索；5)为了避免算法过早收敛于并非全局最优的解，将各条路径可能的信息素限制在[τ<,min>，τ<,max>]，超出这个范围的值被强制设为τ<,min>τ<,max>，可以有效地避免某条路径上的信息素远远大于其余路径，避免所有的蚂蚁都集中到同一条路径上，使算法不扩散。 根据冷负荷的负荷特性、选取的负荷模型、逐步故障恢复需要满足的约束条件，详细论述了应用于冷负荷故障恢复的改进蚁群算法模式，及改进蚁群算法在冷负荷故障恢复问题上的实现、计算步骤和流程图。 冷负荷故障恢复问题传统的目标函数是故障恢复时间最短，适应电力市场的发展，本文提出赔款金额最少为目标函数。 在实际的配电网系统中，总的负荷区数目很少会超过10或12，鉴于配电网的这个特点，本章对10个负荷区的算例和12个负荷区的算例进行计算。对改进蚁群算法与基本蚁群算法进行比较，改进蚁群算法的全局寻优能力和收敛速度明显 优于基本蚁群算法。本章通过一系列的仿真实验，对改进蚁群算法参数的性能、作用以及最佳的选取原则进行了深入的研究。