配电网重构作为提高电力系统灵活性、经济性与可靠性的重要内容,受到越来越的重视。配电网重构的目的是是寻求满足供电可靠性和网络运行约束的一组最优的决策变量,实现经济性、可靠性和停电范围最小。以配电网是否动态重构分类,主要分为静态和动态重构。常见重构优化方法有：改进穷举法、人工智能算法(粒子群算法、禁忌搜索法、遗传算法和免疫算法等)和混合算法等。遗传算法作为智能寻优方法,将自然选择与遗传机制引入到数学原理中,在配电网重构中应用最为广泛,但仍存在易局部收敛、存在不可行解或网架变化后不再适用等问题。本文提出的改进遗传算法基于拓扑分析,能很好地避免不可行解并弥补适应性差的不足。该算法的关键是动态拓扑分析程序的设置和遗传算子的改进。通过拓扑分析,简化网络并寻找所有可行树基,提高重构速度；拓扑分析方法只需提供连接链表,可以适用于任意开环配电网及故障后网络,具有一般适用性和动态性；引入校验遗传算子,将子代种群中的不可行个体转变为可行个体,使得求解过程只在可行解空间进行,避免环网和“孤岛”的出现。为了进一步验证本文所提算法的适用性,本文在配电网供电侧加入双馈风力发电机,在分析其工作机理、数学模型和交替迭代法计算潮流的基础上,研究计及双馈风电机出力优化的配电网重构模型；在用电用户侧加入电动汽车充电站(Electric Vehicle Charging Station, EVCS),建立EVCS规划和配电网重构的协同优化模型并给出算例分析。本文选取IEEE33节点配电网系统,并基于Matlab软件进行仿真,实验结果证明：这种方法建立在动态拓扑分析的基础上,符合配电网运行特点,有效避免不可行解的出现；与同类方法相比,在减小搜索空间、加快计算速度、提高适用性和保证可行性与动态性方面具备优越性。该算法不仅适用于正常运行时的静态重构,也适用于网架结构改变后的动态重构；能很好的适用于包含双馈风机的配电网重构；也能有效解决EVCS规划和配电网重构的整体优化问题。