随着新能源的快速发展,分布式光伏发电在配电网的渗透率逐年提升。作为电力系统的末端,配电网在当大量光伏电源接入时,受光伏发电分散性、不稳定性、发电间歇性等影响,容易产生电压越限、功率倒送等问题。分布式光伏在减少传统能源消耗、改善环境的同时,也给配电网带来了风险。在配电网中,节点的实时负荷和分布式电源输出功率均能决定配电网运行状态。因此,在分布式光伏电源规划时,有必要预先对该区域的负荷、光伏预期输出功率精确的估计,对考虑光伏接入的配电网电压风险进行科学、准确的评估,从而形成合理的选址、定容方案。本文在光伏接入中压配电网的背景下,在用能侧和电源侧分别进行了负荷预测以及场景分析,详细分析了光伏接入对配电网的影响,随后进一步开展了光伏选址定容优化技术的研究。首先,针对短期负荷预测问题,提出了基于Hilbert-Huang分解的长短时记忆神经网络负荷短期预测模型。首先进行了负荷特性分析,并使用深度长短期记忆神经网络进行负荷预测。考虑到用户端负荷随机性强,波动性大的特点,单模型的负荷预测方法难以满足精度要求,因此提出了负荷分解的思路,对于生成的若干个负荷分量分别训练一个预测模型,将每一个负荷分量的预测结果叠加形成最终的预测值。最后以实际配电历史数据构建算例,在Tensorflow平台上对提出的负荷预测模型的精确性进行了验证。其次,针对光伏输出功率的场景生成以及光伏电源接入对配电网影响,构建了基于Copula函数以及核密度估计的多维随机变量的概率分布模型,对多个分布式光伏的输出功率进行精确建模。考虑多个光伏电站输出功率间相关性跟随外界条件的变化,对光伏电站历史输出功率数据进行基于密度中心的聚类,产生多个聚类中心作为输出功率场景。对不同场景进行核密度估计,基于Copula函数建立描述多个输出功率的概率分布。之后,基于概率潮流计算方法评估含光伏的配电网运行状态。为减少潮流计算的运算负担,采用拉丁超立方采样方法进行概率分布采样。此外,对算法的稳定性做出了分析并讨论了采样规模对计算结果的影响。该分析方法在江苏省某地市实际中压配电网进行了验证最后,针对光伏选址定容优化问题,以概率电压灵敏度和网络损耗为目标函数构建了分布式光伏选址优化模型;以电压越限风险、年网络损耗、以及光伏装机容量目标函数构建了分布式光伏选址容量优化模型。针对现有优化算法面对多目标优化问题效果不好的问题,采用NSGA-III算法作为求解方法,生成了多目标优化问题的Pareto解集。此外,考虑中远期负荷变化对优化结果的影响,以年为单位对优化模型进行滚动求解,为该地区未来光伏装机容量扩容提供决策依据。最后通过对江苏省某地市实际中压配电网进行了算例分析,验证了所提出光伏电源优化规划方法的有效性。