随着国民经济的快速发展,用电负荷不断地增加,如何降低网络损耗,以提高供电企业的经济效益并提高供电质量的问题日益突出。配网重构是配电系统优化运行的重要方式,由于无需增加额外的投资,却能极大程度地提高配电网的运行质量,因此越来越受重视。配网重构是配电系统自动化的重要组成部分之一,在正常运行条件下,配电调度员可根据运行的情况对开关进行操作以调整网络的结构,一方面可平衡负荷,消除过载与轻载,提高供电的电压质量;另一方面可降低网络损耗,提高系统的经济性。在出现故障时隔离故障,缩小停电范围,并在故障后迅速恢复供电。配电网重构是一个多目标非线性混合优化问题。针对基本粒子群算法无法直接应用于求解多目标优化问题,提出了基于pareto支配的多目标粒子群算法。本文建立了系统有功损耗、节点最低电压幅值及开关操作次数的配电网多目标优化重构模型,并运用多目标粒子群优化算法(Multi-Objective Particle Swarm Optimization,MOPSO)求解。多目标粒子群算法的关键是如何选取个体的极值,本文结合Pareto概念对个体极值依据Pareto支配关系进行选择,依据Pareto支配关系构造非支配解集并插入外部存储器,外部存储器中的解集就是全局极值的候选解集,计算外部存储器中各粒子与其他粒子的海明距离之和并作为各粒子的适应值,然后采用与适应值成比例的轮盘赌方式选取粒子的全局最优位置。采用基于拥挤距离的逐步淘汰策略对外部存储器的规模进行删减,避免了种群多样性的丧失。带时限的粒子全局极值淘汰策略使粒子能跳出局部最优,防止算法早熟收敛,保持了良好的收敛性。通过IEEE 33节点测试系统仿真计算,实验结果表明了该方法的可行性和有效性。