能源是维持人类社会发展的基本物质基础。随着全球范围能源的日趋减少，各国越来越重视绿色、可持续能源的应用，由此促进了风电等分布式电力系统的快速发展。但是由于风力发电本身固在的特性，比如瞬时性，随机性以及间断性等缺点导致了其配电网运行，控制以及调度的难度加大，如果协调不当，甚至可能会影响配电网的电能质量与电网安全。目前风电并入配电网存在的一些主要问题有:配电网电压等级较低，配电网损耗成为电力系统网络损耗的主要组成部分;风电价格不稳定，其并入配电网后运行成本复杂;对于配电网的网损，电压优化等算法的设计问题;潮流计算由单向流动变成双向流动，如何将其复杂度降低的问题;如何准确进行短期风电功率预测进而利于配电网调度和运行控制的问题。针对含有分布式电源和蓄能装置的配电网络的优化问题，本文进行了如下的策略设计与分析:分布式电源、蓄能装置的模型分析、基于智能进化算法的短期风电功率预测分析、基于概率搜索智能算法的配电网损以及电压优化分析、以经济成本为目标函数的配电网络运行优化分析等。本文取得主要成果如下:　　(1)改进了一种适应度建模，基于自学习小生镜粒子群的神经网络短期风电功率预测模型，能够对风电功率作出准确度较高的预测，并且根据实际数据的验证，证明提出的方法的设计是比较可行的策略。　　(2)改进并提高了多尺度约束支持向量机的方法，通过对数据类型的考察以及多尺度下约束支持向量机的回归分析，给出了针对实际数据下的风电并网发电的相关策略，并根据合理优化后的数据进行了实例仿真与验证，结果表明该方法具有很高的实验精度和较高的性能。　　(3)利用小生境的遗传算法（Niched Genetic Algorithms，NGA）对含有风力发电和蓄能装置的配电网进行网损以及电压平衡的优化，该进化算法具有局部可行性，能够提高预测精度和防止启发式算法陷入局部极值以及收敛速度较慢等问题，此为改进并优化的一种基于智能进化算法权值和阈值优化的神经网络混合预测模型，最后并利用IEEE30节点系统对提出的策略进行了实例验证用以证明理论分析的正确性。　　(4)由于风力发电等的不稳定性，以及分布式电源的电价和集中式火电厂的电价不同，以传统最小配电网损耗作为配电网优化运行模型有一定局限性。本文分析了上网风力发电的电价问题，提出了配电网络运行成本的分析模型以及相关优化策略，并给出了标准的实际策略设计方案，采用了IEEE14节点结构的配电网络进行了分析和验证，理论分析和实验仿真表明该策略在含可再生能源配电网络以及大型厂矿中具有良好的经济应用价值。　　(5)由于风能和光伏等并入电网系统的随机性和渗透率的逐步增加对电力系统的稳定性的影响，本文基于双链量子遗传算法建立了风光储随机互补调度模型，给出了针对风电和光伏机组的随机性以及负荷波动对电力系统的控制的相关策略。实验仿真表明，针对机组的常规问题，可以有效地予以控制，进而提高系统的稳定性。此外，针对储能容量与抑制功率的波动能力的相关分析也予以给出。