随着大量分布式资源接入配电网，配电网运行管理是保证配电网可靠、安全、有效运行的关键。配电网和分布式资源之间的交互存在复杂，体现在分布式资源对配电网激励响应复杂，因此难以参与统一管理。针对该问题，基于机器学习和优化理论，研究首先提出面向分布式资源集群的约束学习方法，构建基于神经网络的数据驱动响应约束模型，然后，基于约束学习构建融合机器学习-优化的基本框架；考虑约束模型，碳排放约束，配电网运行模型，和双线性松弛策略，构建融合机器学习-优化的配电网运行模型实现配电网安全经济运行和碳排放管理。算例验证了验证分布式资源集群学习的准确性，以及融合机器学习-优化的配电网运行模型的有效性。