چکیده: پیشرفت علم، مشکلات اقتصادی، آلودگی محیط زیست و از بین رفتن سوخت های فسیلی از جمله عواملی است که بشر را به سمت استفاده از انرژی های تجدید پذیر و منابع تولید پراکنده سوق داده است. از این رو متخصصان به بررسی رفتار سیستم های قدرت در حضور منابع تولید پراکنده روی آوردند چرا که در صورت استفادة نادرست این منابع در شبکة برق، علاوه بر این که هیچ فایده ای نخواهد داشت بلکه می تواند اثرات منفی هم بر روی سیستم توزیع و کیفیت برق مشتریان داشته باشد. سیستم‌های توزیع بصورت حلقوی طراحی می‌شوند اما به صورت شعاعی بهره برداری می شوند و اتصال این منابع به سیستم توزیع می تواند به میزان زیادی روی جریان و توان خطوط و اندازه ولتاژ مصرف‌کننده‌ها تأثیر گذارد. قابلیت اطمینان سیستم های توزیع یکی از اهدافی است که توجه بسیاری از محققان و کارکنان شرکت های برق را به خود جلب کرده است زیرا افزایش قابلیت اطمینان علاوه بر اینکه می تواند به لحاظ اقتصادی برای شرکت های توزیع بسیار باصرفه باشد رضایتمندی مشتریان را هم به همراه می آورد. یکی از مواردی که توجه به آن می تواند قابلیت اطمینان سیستم توزیع را تا حد زیادی بهبود بخشد و همین‌طور تلفات سیستم را کاهش دهد، آرایش سیستم و مکان منابع تولید پراکنده است. آرایش سیستم و مکان منابع تولید پراکنده به یکدیگر وابسته اند یعنی برای آرایش‌های مختلف سیستم توزیع، مکان های مختلفی برای منابع تولید پراکنده پیدا می شود و بالعکس. بنابراین برنامه ریزان و بهره برداران شبکه توزیع برای بهبود قابلیت اطمینان و کاهش تلفات، باید تأثیر آرایش سیستم و مکان منابع تولید پراکنده را بطور همزمان در نظر بگیرند. در این پایان نامه ابتدا سعی شده است، روشی برای محاسبه قابلیت اطمینان سیستم‌های توزیع در حضور منابع تولید پراکنده شرح داده شود و سپس با تجدید آرایش و جایابی همزمان منابع تولید پراکنده ، یکی از شاخص های قابلیت اطمینان ( انرژی تغذیه نشده ) و تلفات شبکه بهبود داده شود. با توجه به اینکه انرژی تغذیه نشده و تلفات با هم رابطه عکس دارند لذا از الگوریتم‌های بهینه سازی چندهدفه باید استفاده کرد. الگوریتم مورد استفاده در این پایان‌نامه، الگوریتم ژنتیک چندهدفه با مرتب سازی نامغلوب نسخه2 است که جواب‌های مسئله را در قالب جبهة پارتو نمایش می‌دهد. در پایان، روش ارائه‌شده بر روی دو سیستم نمونه در دو سناریوی مختلف، یک‌بار بدون DG و یک‌بار هم در حضور DG پیاده سازی می شود تا کارایی روش پیشنهادی اثبات شود. نتایج حاصل در دو سناریوی مختلف تأثیر DG و همین‌طور کارایی الگوریتم پیشنهادی را نشان می دهد.