Con la creciente prevalencia de la generación intermitente de energía, la volatilidad, intermitencia y aleatoriedad de la energía renovable plantean desafíos significativos para la planificación y operación de las redes de distribución. En este estudio, se introduce un modelo de optimización robusta de distribución basado en datos. Este modelo tiene en cuenta los errores de pronóstico de la generación de energía eólica, así como las restricciones operativas y el control coordinado de almacenamiento de energía, cargas del lado de la demanda y unidades generadoras convencionales. El modelo puede obtener el esquema de programación con el costo más bajo en escenarios con energía eólica incierta. A diferencia de los métodos estocásticos tradicionales, este modelo utiliza la métrica de Wasserstein para construir el conjunto de incertidumbre a partir de los grandes datos de energía eólica sin necesidad de determinar previamente la distribución de probabilidad o intervalo de distribución de errores. Esto se logra a través de una bola de Wasserstein centrada en la distribución empírica. A medida que la cantidad de datos históricos aumenta, el modelo ajusta el radio de la bola de Wasserstein, reduciendo así el conservadurismo de los resultados. En comparación con los métodos tradicionales de optimización robusta, este sistema puede lograr costos operativos más bajos. En comparación con los métodos tradicionales de programación estocástica, este sistema tiene una mayor confiabilidad. Finalmente, la superioridad del modelo propuesto sobre los modelos tradicionales se verifica mediante análisis de simulación.