随着城市居民的生活品质和电气化程度的逐渐提高,作为与电网用户联系最为紧密的配电网的建设与发展,在新时代背景下面临着诸多的问题与挑战。配电网重构不仅作为提高系统电能质量、供电可靠性与灵活性的重要手段,也在减小网络损耗、提高运行经济性等方面发挥着关键作用。由于分布式电源(Distributed generation,DG)具有良好的环境效益和经济效益,DG已被广泛地应用于配电网中,但是随之而来的功率倒送、继保装置误动、电能质量下降等问题也接踵而至,而传统的配电网重构优化算法已经无法适应高渗透率DG的并网接入,所以含DG的配电网重构优化算法的研究已成为当前学术界研究的热点问题之一。为了更好地解决含分布式电源的配电网重构问题,本文建立了以系统损耗、负荷均衡、电压偏差为目标的优化重构模型,采用一种具有高效并行优化能力的人工鱼群算法来求解含分布式电源的配电网重构问题。为了克服二进制编码所带来的“维数灾”问题,提出了三大网络简化原则以提高算法的计算效率。当算法陷入“早熟收敛”的怪圈时,引入局部学习与反向学习机制,一部分鱼群根据处于最优位置鱼群之间的差分结果进行动态调节,协同最优种群强化局部搜索;另一部分鱼群则沿最差位置方向进行反向学习,及时逃离局部最优区域,有效地改善了种群的多样性。为了进一步加快算法的寻优效率,在视野与步长参数方面做出了相应的自适应调整。针对本文提出的采用局部学习与反向学习机制的人工鱼群优化算法,应用MATLAB软件对IEEE16节点系统和IEEE33节点系统进行仿真分析。首先,采用本文提出的优化重构方案进行单目标和多目标函数的网络重构,同时考虑有无DG接入对于重构结果的影响;其次,为了进一步验证算法的优越性,将本文提出的优化算法与其他几种给定的算法进行性能对比。仿真结果表明,本文提出的优化重构策略在降低网损、维持负荷均衡、减小电压偏差三大指标方面均有显著改观,在获得最优解时所需的迭代时间和迭代次数更少,同时还在一定程度上抬升了系统电压,增强了系统的稳定程度。