近年来,智能电网堪称21世纪全球电力系统最新动向及发展模式。由于历史原因,我国配电网自动化程度较低,近一半的网络损耗产生于配电网中,更造成了95%及以上的停电时间,因此,为了能更好更快促成智能配电网建设,对配电网进行重构就非常必要。然而由于配电系统量测冗余度较低且为了提前获取某天的负荷数据,以便为状态估计和重构等工作提供所需数据支撑就必须进行高精度的负荷预测。同时随着愈来愈多的分布式电源(Distributed Generation, DG)并入电网,会给配电网的运行控制等诸多方面带来较大影响。为此本文在智能配电网框架下,开展了基于短期负荷预测的含DG配电网重构优化研究。主要工作和成果总结如下：1、本文首先采用目前应用广泛且预测精度较高的最小二乘支持向量机对IEEE 33节点配电系统某天负荷加以预测,同时选取粒子群智能优化算法引导关键参数自动搜索寻优,使得预测结果精度更高,给本文动态重构提供重要数据支撑模块。2、研究基于预测负荷的传统配电网的动态重构优化问题,将其转化为多时段静态重构优化问题组合。本文从重构目标优化函数、重构实现算法和实现方法框架三部分内容展开,首先确定优化函数,然后对测试系统进行拓扑识别,分析系统约束条件,接着编写潮流计算程序,最后选取广泛学习量子进化算法实现了测试系统基于预测负荷的多时段动态重构优化,得到预测日当天每小时的重构优化方案和仿真结果。3、研究基于预测日负荷的含DG配电系统动态重构优化。本文先从理论和仿真两方面探究DG对配电网网损及电压影响,着重考虑不同安装位置和容量两个影响因素,然后依据传统重构思路方法,对接入模型做相应处理,最后针对预测日各整点时刻的测试系统,给出DG并网重构优化方案和仿真结果,为配电网日调度和优化运行提供一定依据参考。