配电系统是我国电力系统的重要组成部分之一,其安全可靠运行对生产生活至关重要。我国对配电网的建设相对较晚,所以目前的自动化水平不是很高,有大量网络损耗产生于此,为了避免能源的浪费,以及能让配电网有一个健康良好的运行环境,对配电网进行重构优化就非常有必要。针对某一时段进行配电网络重构需要该时段的负荷数据作为依据,所以需要精确的负荷预测。同时分布式电源(Distributed Generation,DG)作为当前大规模集中式供电方式的有效补充,因其含有节省输变电投资,提高供电可靠性,减少环境污染等优点,而被越来越多的并入电网,为此本文开展了基于短期负荷预测的含分布式电源配电网重构研究,主要工作如下:本文首先对当前应用广泛的最小二乘支持向量机(LS-SVM)负荷预测模型进行改进,形成一种改进的基于相似日和细菌趋化改进粒子群算法优化最小二乘支持向量机(PSOBC-LSSVM)的预测模型。选取训练样本时,选取与预测日条件相近的相似日的数据对模型进行训练;同时运用PSOBC引导LS-SVM对重要参数进行寻优,使模型可以获得更高的预测精度,为下文的重构提供数据支撑。其次研究基于预测负荷的配电网多时段重构优化。阐述以网络损耗和系统稳定双目标为标准进行时段划分的方法,最终确定多时段重构的最佳重构时刻;重构时采用动态双组粒子群(DBPSO)作为求解算法,将全部粒子分为两组,每组使用不同的权重系数分别进行全局和局部搜索,随着迭代次数的增多,两组粒子群的数量动态变化,能够克服粒子群(PSO)的缺点实现良好的搜索,利用DBPSO算法对划分时段的测试系统进行重构,得到预测日当天的最优重构方案。最后研究基于预测负荷的含DG的配电网重构,对分布式电源主要特征进行了介绍,并详细分析了几种典型分布式电源的潮流计算模型,然后将这些数学模型代入基于分层的前推回代潮流计算方法中,研究DG并网对系统重构的影响;并利用上述配电网多时段重构方法,针对预测日的时段划分方案,分析DG并网对配电网重构的影响。