由于环境问题日益突出以及化石能源的逐渐枯竭,节能环保、可靠性高、发电灵活的分布式电源(DG)受到人们越来越多的研究和利用。分布式电源并入电网,一方面可以带来巨大的环境效益与经济效益,且在技术层面上有利于降低负荷峰谷差、消除输电线路堵塞;而另一方面,接入位置与容量不当,不仅难以发挥其潜在优势,还会对电能质量、系统损耗、保护装置等产生严重的影响,降低电网运行的安全性、可靠性。因此,对分布式电源的接入方式进行合理布局是十分必要的。针对各类分布式电源出力的随机性以及负荷功率的间歇性问题,本文对其时序特性进行了详细的分析,给出了几种典型分布式电源和负荷在各个季节中的日时序性功率模型,考虑了日时序性曲线每个时段的各类DG输出功率以及负荷功率,以提高优化结果的真实性,并在其时序性功率模型的基础之上,计及了总发电成本、系统损耗、静态电压稳定指标以及环境效益四个方面因素的分布式电源多目标决策模型,最后,应用文中改进的多目标自由搜索优化算法求解该多目标模型。该算法首先基于多目标函数建立一种新的适应度机制,每个个体根据自身在群体中的适应度值大小动态的调整下一次搜索的搜索半径以及搜索步;同时,将每次大步幅搜索后得到的最优位置作为下一轮搜索起点,以提高算法在多目标空间中的搜索效率;而对于劣质个体,将其与优质个体进行交叉来增强基因交流通道,改善劣质个体的基因,为此,文中引入一种基于相似度结构的交叉算子,该算子随迭代的次数的变化自适应调整交叉阈值以避免无效的操作;最后,为确保最优解均匀、宽广的分布在Pareto前沿,算法采取自适应网格法删除档案集中密集值高的个体。选取几种典型的测试函数进行仿真计算,根据收敛性、宽广性和均匀性三种性能指标将IMOFS算法与SPEA2、NSGA-II算法的仿真结果进行比较分析,结果验证了IMOFS算法在处理多目标问题时整体性能十分优越。最后采用IEEE-33节点系统进行多类型DG规划模型的仿真计算,对比探讨了文中的IMOFS算法与NSGA-II的规划结果,并结合两者Pareto解集的收敛曲线验证了IMOFS算法的优越性。