电力行业在国民经济发展中占据重要的地位,目前,电力系统的规模日益扩大,在提高供电可靠性与经济效益的同时,也增加了大停电事故的风险。近些年来,全球范围内发生过多起大停电事故,给社会造成了巨大损失。研究发现,大停电事故大多由一系列的连锁性故障所致。因此,探讨连锁故障发生机理,建立兼顾真实性与快速性的连锁故障仿真模型,高效且准确地识别连锁故障发生与发展过程中的关键线路,从而制定相应的连锁故障防范措施,对于预防大停电事故、保障电力系统安稳运行具有重大意义。针对原DCSS（DC power flow Simulator of power system Separation）模型中线路开断模型物理含义模糊的问题,通过热量累积效应对线路开断过程进行数学描述,建立了一种改进DCSS连锁故障仿真模型,该模型不仅能够更合理地模拟线路开断过程,而且生成的故障链时序信息丰富。介绍了电网规模较大的Polish 2383节点系统,并在此算例上应用了改进DCSS模型,仿真结果显示本文所提模型能够较好地模拟连锁故障发展过程中不同阶段的特点,所获得的故障链清晰地展示了连锁故障的演化路径。针对连锁故障仿真效率不足的问题,建立了一种基于群体检测的RC（Random Chemistry）无偏抽样方法,在不引入先验概率或指标的情况下,加快了以N-k（k≥2）为初始故障的故障链集合生成速度。提出了一种基于故障链集合的风险评估方法,随着RC法的抽样过程逐渐准确地度量出电力系统连锁故障的总体风险,Polish 2383节点系统的算例表明,本文所提方法能够有效提高了总体风险评估的速度。对于抽样所得的故障链集合进行了统计特征的研究,探讨了仿真参数对系统总体风险的影响。考虑到部分线路在不同故障演化模式中皆具有重要影响力,提出了一种基于编辑距离的故障链聚类及关键线路辨识算法,引入编辑距离衡量故障链间的相似程度,根据Calinski-Harabaz指标选取最优的聚类簇数k,通过AGNES算法实现了故障链的层次聚类,并在聚类的基础上进一步实现了线路重要性的分类评估,进一步提高关键线路辨识精度与效率。以Polish 2383节点系统为例,通过对关键线路进行扩建,以扩容前后的连锁故障风险水平为依据,量化比较了各类算法所辨识线路的重要性,进一步证明了所提模型及算法的有效性。