随着能源问题与环境问题日益突出,绿色能源与电能替代成为发展趋势。以风电和光伏为主的分布式发电由于其清洁高效、安装简便的优点,装机容量和发电量逐年提高。以电动汽车为主的新能源汽车以其电力驱动、零排放、无污染的特点逐渐取代燃油汽车成为主要的交通工具。风电、光伏、电动汽车等多种类型的分布式能源(Distributed Energy Resources,DERs)具有分布式、间歇性、随机性的特点,随着配电系统中DERs的接入和渗透率的不断提高,传统的配电系统单端电源、被动供电的模式被打破,系统的安全稳定将受到极大的影响。因此,旨在通过灵活的运行控制策略对“源”“网”“荷”进行主动控制或主动管理,以应对大量DERs接入的主动配电系统应运而生,其运行控制策略和优化调度方法近年来成为研究重点。本文首先介绍了分布式能源以及主动配电系统的发展与国内外研究现状。然后从“源”“网”“荷”三个方面对主动配电系统建模。“网”:研究了配电系统的网络分析方法和前推回代法潮流计算;“荷”:采用了基于谷歌开源的TensorFlow深度学习框架进行短期负荷预测;“源”:分别建立了风电、光伏和电动汽车充电负荷的概率模型,并通过蒙特卡洛法求解。在“源”“网”“荷”建模的基础上,本文提出了分时段动态重构模型作为主动配电系统的运行控制策略,以等效日负荷曲线为依据,采用围绕中心点划分的PAM(Partitioning Around Medoid)分段方法对等效日负荷曲线进行分段,研究含高渗透率DERs的主动配电系统通过灵活的网络拓扑结构优化电压分布、减小网络损耗和提高负荷均衡度的方法。对于网络重构的非线性混合整数规划问题,本文介绍和比较了多种进化算法,并详细阐述了粒子群算法的求解过程及其改进方法,并介绍了协同粒子群算法,采用改进后的协同粒子群算法对主动配电系统的网络重构模型进行求解。最后以IEEE33节点算例系统为例,采用Python编写算法程序进行仿真验证。结果表明,协同粒子群算法具有很好的鲁棒性和收敛性。本文建立的分时段动态重构模型在电压分布、网络损耗和负载均衡三个方面对含高渗透率DERs的配电系统有明显的改善。