随着环境友好与能源紧缺问题的日益突出,新能源技术得到了大力发展。大量分布式电源（Distribution Generation,DG）并入了电网中,使得电力系统结构在变得愈加复杂的同时,也增大了选址定容规划的难度。常规负荷因为受到人为习惯的影响,具有时序性及随机性。而风电、光伏分布式电源也因其出力受到风速、光照强度的影响,具有很强的不确定性和季节性,若不考虑其特性,将严重影响配电网规划的准确性。近年来,电动汽车（Electric Vehicles,EVs）在政府的推广、人民节能意识的提高等原因下,在负荷中的渗透率逐年提升,对配电网造成的影响已经不可忽视。电动汽车的充电负荷同样受到人为习惯的影响,具有时序特性。本文综合考虑了风力分布式电源（WTG）和光伏分布式电源（PVG）出力受自然环境影响的不确定性及需求负荷的波动性,对风速、光照强度和负荷需求进行了计及时序性及相关性的建模;基于蒙特卡洛随机模拟,建立了电动汽车充电负荷的时序模型,与得到的风电-光伏-负荷模型相结合,生成多维度的分布式电源规划场景。为了提升运算速率,利用K-means等聚类算法对复杂的多维场景进行场景聚类,得到具有代表性的典型运行场景。鲸鱼优化算法（WOA）具有独特搜索机制、原理简单等优点,在处理工程问题时有着较为优异的表现。本文阐述了鲸鱼优化算法的基本原理以及增强鲸鱼优化算法（Enhanced Whale Optimization Algorithm,EWOA）的流程步骤,并通过经典测试函数,与鲸鱼优化算法、粒子群优化算法进行对比,验证了增强鲸鱼优化算法对于求解该模型的优越性。利用机会约束方法,以系统运行可靠性为约束条件,年运行费用为最小为目标函数建立了分布式电源选址定容规划模型,并以增强鲸鱼优化算法对所得的规划模型进行求解,通过IEEE33节点配电网系统进行算例分析,对比了分布式电源是否接入配电网、安装不同类型的分布式电源的不同情形下得到的规划方案与电压幅值,验证了上述模型的准确性和选用算法的高效与有效性。