随着分布式光伏发电的快速发展,电网中光伏发电的渗透率日益提高。在配电网中接入分布式光伏,原有的单向潮流变成了双向潮流,同时分布式电源自身的波动性以及对负荷的影响使得传统电网运行情况更加复杂,且该影响随着光伏发电的规模的扩大而愈加显著。因此,研究分布式光伏的合理规划方案,对配电网建设与改造具有理论指导意义。针对分布式光伏合理选址定容的问题,本文针对传统电网规划场景采用人为经验确定四季的处理方式,提出考虑分布式光伏日出力与日负荷时序相关性规划场景聚类方法,并在此基础上建立了分布式布点规划模型,完成了分布式布点规划研究。首先,为了使多场景规划中场景模拟更为准确,提出了基于K-means聚类算法对特征量进行聚类得到规划场景的方法。通过对分布式光伏日出力曲线和日负荷曲线的分析,选择合理的数据分布指标作为特征量对每日的分布式光伏日出力曲线和日负荷曲线进行信息提取。通过K-means算法对特征量进行聚类,得到全年所有典型规划场景以及相应权重。并通过与传统四季场景进行对比,结果表明本文所提出的场景聚类方法的有效性及准确性。然后,建立了分布式光伏多目标布点规划模型。模型以分布式光伏发电电量、分布式光伏安装和维护成本、分布式光伏接入电网之后对网损的影响为目标函数,以电网安全运行和分布式光伏渗透率为约束条件。通过混沌状态的Logistic模型对NSGA-Ⅱ算法种群初始化步骤进行改进,设置适应值函数完成交叉和变异算子的自适应过程,给出了遗传操作过程中不可行解的处理策略,并介绍了针对Pareto前沿中非劣解的多目标决策策略。最后,通过对比算例,验证了改进NSGA-Ⅱ算法相比于原始NSGA-Ⅱ算法的优越性;验证了考虑时序相关性的场景聚类方法的合理性和必要性;并对Pareto最优前沿中的排序靠前的分布式光伏布点规划方案进行了综合效益分析,供规划者参考。