通过合理地切换配电网络中各类开关的状态,可寻得新的网络拓扑结构。通过此结构可均衡网络负载、降低网络损耗、提升系统运行的稳定性与可靠性。但在各类分布式电源并入配电网后,其输出功率以及网络负荷的随机波动给配电网重构带来了一定的挑战。因此在考虑不确定性的背景下,寻求有效的配电网重构优化方案和方法具有重要的现实意义。本文主要考虑分布式电源并网时的优化重构以及出力和负荷不确定性下的优化重构,并对此开展研究工作,主要研究内容如下:首先,在文中对几类常用的分布式电源并网数学模型和各自出力的不确定性进行了介绍,其中风力发电机组出力服从weibull分布,光伏发电机组出力服从beta分布。同时介绍了负荷以及电动汽车在三种充放电模式下的随机模型。然后,对分布式电源入网后的网络优化重构问题进行研究,建立了静态网络优化重构模型,以节点电压偏移度、线路损耗以及开关动作次数系统综合指标为单目标的目标函数。在此基础上采用了一种混合改进差分进化模拟退火优化算法（Hybrid DE and Smodified A,HM A DES）来进行配电网重构计算。该混合算法在传统差分进化算法中的变异、交叉过程中引入了线性递减权值策略对其进行改进,进而加快了算法的收敛速度,并利用模拟退火算法中的Metropolis更新准则提升了整体的全局搜索能力。最后,通过IEEE33算例系统分析,并与其它优化方法相比,证明了该方法的实效性和先进性。最后,本文建立了以网络损耗、最大电压差和开关操作成本费用为目标的多时段动态优化重构多目标模型。对于各时段下系统出力和负荷的不确定性,通过LHS方法对其进行确定性转化,同时,基于隶属度函数方法对一个重构周期内进行动态重构时段的划分。对于多目标重构模型的求解,在HMDESA重构方法基础上,将精英选择策略加入其中,利用Pareto前沿表征个体于多目标函数中的最优解。实验结果表明:动态重构后的系统具有更好的稳定性与经济性。并且相比于HMDESA,基于精英选择的HMDESA优化结果更佳。