随着国际社会对能源、生态、气候等问题的重视,大力发展可再生能源成为应对这些问题的重要举措。太阳能作为可再生能源中的一员,近年来发展迅速,分布式光伏作为光伏产业下一步大力发展的对象,具有运用方式灵活,节约电能损耗,能源利用率高等特点,是智能电网配电环节的重要组成部分。由于光伏输出呈现间歇性、不稳定的特点,随着分布式光伏在配网中渗透率的增加,配电网的结构与运行方式将会发生变化,为了减少对配网的影响,需要对分布式光伏进行短期功率预测,而且还要对分布式光伏在配网中的位置以及容量进行优化。因此,本文搭建了分布式光伏短期功率预测模型,对收集到的样本进行预测并对结果作误差分析;在分布式光伏优化配置方面,建立了多目标优化模型,运用改进多目标微分进化算法,对标准配网中的分布式光伏进行优化配置,主要研究内容如下:(1)研究了光伏发电系统的组成与分类,通过对理论模型与实际数据的仿真,从影响光伏功率输出的角度,研究了光伏发电功率特性,并确定出光伏预测模型的输入。从配电网系统潮流、供电可靠性、电能质量等方面分析了分布式光伏并网对配电网所造成的影响,并从中选取多目标优化模型的优化目标与约束条件。(2)研究了小波变换的基本原理,对采集到的光伏功率序列作小波变换预处理,得到功率的各层序分量,分别建立预测模型进行预测。分析了ESN神经网络的原理与结构,明确了ESN网络训练的方法。针对收集到的光伏数据确定出预测模型的结构,输入以及输出参数,搭建了WT+ESN光伏功率预测模型。(3)在matlab平台上,选取晴天样本与阴天样本,分别运用ESN,BP,WT+ESN以及WT+BP四种预测模型对分布式光伏的出力进行预测,并运用三种误差指标对预测结果进行评估。仿真结果表明,WT+ESN相较于其它三种模型,预测曲线更平稳,变化趋势更贴近实际曲线,三种误差评价指标均是最优的,验证了WT+ESN预测模型的有效性与优越性。(4)建立了包含分布式光伏成本与运维费用,配电网有功网损,电压稳定指标VSI以及各种约束条件的多目标优化模型。介绍了多目标优化问题的数学描述。研究了微分进化算法的原理与算法流程,鉴于传统微分进化算法过度依赖经验控制参数,将自适应策略融入到算法中,并结合Pareto占优概念提出了改进多目标微分进化算法—MOSADE。(5)针对IEEE-33节点的标准配网,在matlab平台上进行分布式光伏优化配置研究。仿真结果表明,在网损最优方面,SADE与DE及LDWPSO算法相比,在算法前期保持了种群多样性,在算法后期提升了收敛速度;在全局最优方面,运用MOSADE对1-10组的DPV进行有效配置,结果表明DPV的合理配置可以有效提升配网电压水平、减小有功网损、增加发电收益,验证了多目标优化模型以及MOSADE算法的合理性与有效性。