电力系统调度和管理的中心任务是保证电网安全、可靠和经济运行，持续不断的、高质量的电力供应己经成为现代社会经济生活的迫切需求。电压质量是电能质量的重要指标之一，无功潮流分布是否合理，直接决定了电压质量的好坏，这不仅关系到电力系统向电力用户提供电能质量的优劣，而且还直接影响电网自身运行的安全性和经济性。进行无功优化是确保电力系统安全性、提高供电质量和经济效益的有效措施。 电力系统无功优化属于非线性优化范畴，具有多目标、多控制变量、多约束条件、连续和整型变量混杂以及不确定性等特点。常规的数学规划方法在处理此类问题时有较大的局限性。本文对粒子群优化算法及其在电力系统无功优化中的应用进行了深入研究，提出了新的解算思路和方法。基于进化计算理论、模糊集理论等技术，提出了自适应粒子群优化算法和模糊自适应粒子群优化算法；将所提出的改进粒子群优化算法应用于无功优化，并提出了考虑安全性和经济性的多目标无功优化模型；基于协同进化理论，探索了大规模系统的无功优化模型及其解算方法。 对粒子群优化算法的寻优机理及算法的控制参数进行了深入的研究和探讨，提出了自适应粒子群优化(APSO)和模糊自适应粒子群优化(FAPSO)两种改进算法。APSO算法是在PSO算法基础上，根据各参数与粒子群适应值的关系，引入启发式规则，使各参数随求解问题的不同在寻优过程中自适应地变化，以便获得最优解。由于APSO算法在优化过程中，有新粒子产生，跳出局部最优解的能力更强，更有可能在整个解空间中达到全局最优。在PSO算法和APSO算法的基础上，进一步发展为用模糊规则动态地调整算法中的三个主要参数：惯性权值ω、学习系数C<,1>及C<,2>，采用模糊控制器对其进行模糊优化控制，形成FAPSO算法。从理论与实际应用方面探讨了PSO算法的动态寻优机理，在有效地控制算法寻优过程、提高算法搜索技术的合理性、提高算法的效率等方面提供了系统性方法。 提出了基于自适应粒子群优化算法的电力系统无功优化方法。针对无功优化问题，在粒子的构造、等式约束与不等式约束的处理以及适应度函数的选取等方 面进行了较为全面和深入的探讨。仿真结果表明：自适应粒子群优化算法在降低计算复杂度、避免陷入局部极小及收敛性等方面显示了一定的优越性，拓展了电力系统无功优化的计算方法。 电力系统无功优化的主要目的是通过合理调节无功设备实现系统运行状态的优化，使系统的有功网损下降、电压质量提高和稳定性增强。常规的无功优化中，网损最小是最常用的目标函数，优化结果中各节点电压往往处于或靠近其上限值，很可能导致无功电源的出力接近极限，从而使无功优化的目标函数与系统电压安全之间发生冲突。在综合考虑电网运行的安全性和经济性前提下，提出了电力系统多目标无功优化模型。模型中考虑了系统有功网损、电压水平和电压稳定，建立了集安全性和经济性于一体的多目标无功优化模型。 将模糊自适应粒子群优化算法与多目标模糊优化理论相结合，对求解电力系统多目标无功优化问题进行了探索与尝试。利用多目标优化的模糊解法将上述电网多目标无功优化模型转化为单目标优化问题，并用模糊自适应粒子群优化算法进行求解。多目标优化的模糊解法利用隶属度函数较好地解决了多目标无功优化问题中多重目标不同量纲的问题；模糊自适应粒子群优化算法，较常规粒子群优化算法显示了一定的优越性，具有很强的自适应性及通用性。 针对大规模电网全局无功电压优化控制的困难，论文提出了基于协同进化框架的合作协同进化粒子群优化算法。基于分解一协调的思想，依据电压等级和地理分布进行分布式优化，将复杂的无功优化问题分解为一系列相互作用的子优化问题。每个子优化问题对应于该算法中的一个种群，各种群间通过共同的系统模型相互作用，共同进化，相互合作，从而完成整个问题的优化。实际电网的计算结果表明，算法寻优质量高、收敛性好、计算复杂度低，求解时间短，适合求解大规模系统无功优化问题，具有在线应用前景。