电力系统的运行目的是将符合电能质量标准的电力传送给用户,并兼顾其可靠性和经济性。但是，随着电力系统互联程度的不断加深,多种内外部因素都会对电力系统的运行可靠性产生影响,导致系统故障事故频繁发生。因此,为降低电力系统运行风险,需要研究更为严谨的运行风险评估理论和方法,综合考虑电力系统实时运行条件,实现电网风险的实时评估和预警。在风险评估过程中,需要考虑各节点负荷的波动性,以更加精确的负荷模型来描述负荷的不确定性。由于每种预测方法得到的负荷模型都有其优缺点,为了综合利用各种方法所提供的信息,本文提出了采用随机集理论作为多源不确定性信息统一表示框架,充分地利用原始数据和各预测模型的信息,将异类不确定性信息转化为统一的随机集形式来刻画。并基于D-S组合规则将随机集形式表示的多种负荷模型信息进行融合,弥补了单模型方法的不足,提高了预测精度。元件的故障率是风险评估的基础输入数据,因此需要在考虑系统实时运行条件和外部环境等因素的情况下求解得到元件的实时故障率。本文以变压器为例,建立了基于BP神经网络的变压器实时故障率预测模型。首先通过数据预处理提取与变压器运行状态紧密相关的主要监测量,将提取后的监测景数据作为BP神经网络的输入,通过变压器历史故障记录数据库计算得到的对应故障率作为模型的输出。基于当前时刻的实时监测数据,就可以预测变压器的实时故障率。基于前述的负荷模型与故障率预测模型,建立了系统的运行风险评估算法。本文利用随机集形式來统一表示电网故障和负荷的不确定信息，给出了不确定性参数综合影响下节点和支路等元件级风险指标的概率分布。并按照故障重数对所有系统状态进行统计分类,计算每类系统运行状态对各种系统级风险的支持程度,即基本概率分配。然后利用D-S证据组合规则对所有基本概率分配进行决策融合,获得所有不确定性因素对系统可靠性的综合影响。通过IEEE 33 配电系统和IEEE 39算例系统的计算结果验证了所提方法的合理性。