随着分布式能源、电动汽车、多能耦合元件等新型设备的接入，配电网呈现出源荷不确定性增强、规划对象规模剧增、系统特性多样化与复杂化的特点，给传统配电网规划带来了新的挑战。本文在新型设备大规模接入背景下，对配电网规划研究中源荷功率模拟、优化规划模型和优化规划策略与求解算法三个主要问题展开综述，总结了现有研究源荷模拟精度低、规划模型求解困难、配电网形态单一等问题，并展望基于人工智能技术和能源互联网下的配电网规划潜在研究方向。首先，在源荷模拟方面，从电源侧功率模拟、负荷侧功率模拟的角度综述了应用于配电网规划中的源荷模拟方法，分析了传统源荷模拟方法的主观性强、建模精度低等缺陷，引出神经网络算法非线性表征能力强、精度高等优势，并分析了神经网络算法在中长期源荷模拟的研究空间。其次，在优化规划模型方面，从规划要素的角度，介绍了传统配电网规划模型和考虑新型设备与主动管理手段的配电网规划模型，重点分析了考虑分布式新能源机组、电动汽车、储能和多能耦合系统等新对象加入后给传统规划模型带来的挑战，引出传统规划模型规划对象单一、难以考虑源网荷储灵活互动和多能耦合的特征。接着，在规划策略和求解算法方面，介绍了单层规划方法、多层规划方法、多阶段规划方法、不确定性规划方法四种规划策略，并分析了上述模型的强非线性和多目标特征，使用传统求解方法会导致维数灾难、求解效率下降等问题，从而展望深度强化学习在处理大状态空间策略集的求解优势，有望在配电网规划领域实现突破。最后，总结了源荷功率模拟、规划模型和优化策略与求解算法三个方面的研究现状，分析了现有配电网规划研究中源荷规模性模拟精度差、规划建模求解难度大、配网形态单一等问题，从而展望了基于深度学习的中长期源荷预测方法、基于深度强化学习的配电网规划方法和考虑多能源深度耦合的配电网新形态规划方法等潜在研究方向。