随着分布式发电技术的迅速发展,以风力发电和太阳能发电为代表的分布式电源（Distribution Generation,DG）被广泛研究和使用。然而,在电力系统分布式电源的位置和容量选择不同,对配电网中各节点的电压水平、电网损耗和供电可靠性等产生不同影响,且DG在传统的配电网网架结构下得不到充分利用。因此,本文的主要工作就是应用寻优算法优化分布式电源在配电网中接入的位置和容量,然后优化含DG的配电网的网架结构,得出较优的网架重构结果。本文的主要研究内容如下:（1）首先对基本分布式电源种类进行介绍,根据风速、光伏历史数据建立其出力的不确定性的概率模型,为后续的不确定性场景分析做准备。在MATLAB中仿真分析配电网中分布式电源的位置和容量选择不同,对配电网的电压水平和功率损耗产生怎样的影响。（2）引入了场景分析方法,并详细分析了本文使用的拉丁超立方抽样场景生成方法和向后缩减的场景缩减方法。从配电公司的角度考虑,以配电网年综合费用最小为目标建立待求目标函数,传统蚁狮优化（Ant Lion Optimization,ALO）算法具有寻优能力强,收敛速度快的特点,但全局遍历性弱、容易陷入局部最优等缺点,所以引入优选轮盘赌策略、粒子群算法寻优策略和动态比例调整参数对蚁狮优化算法进行改进,增加该算法种群多样性以及寻优效率;利用改进的蚁狮优化算法对所建立的目标函数进行优化求解,仿真验证算法的改进效果。仿真结果表明,该算法取得较好在DG选址定容效果。（3）以配电系统网损最小为目标函数进行配电网重构优化计算。针对普通粒子群算法（Particle Swarm Optimization,PSO）易陷入局部最优的缺点,引入分群模式,优化粒子的速度更新方式,增加全局寻优性能;并且引入Tent映射混沌搜索机制,在每一代的全局最优粒子附近进行二次寻优,避免陷入局部最优。应用改进的PSO算法计算目标函数。最后,以含分布式电源的IEEE-33节点配电系统为算例进行仿真,并与其它优化算法的重构结果进行比较,验证了本文改进算法在求解重构问题时能得到更优解。