在复杂的电网系统中,无功优化就是在满足一切约束的前提下,通过优化方法,合理的调节控制变量,充分的利用电网的设备资源,达到提高电压质量、降低系统运行网损、保证电压系统稳定的目的。无功优化问题是一个具有大量局部极小值、不连续、多变量、多约束、非线性的复杂优化问题。传统的优化方法存在很多的不足,优化的结果也不好。随着人工智能算法的发展,利用智能算法可以很好的解决电力系统的无功优化问题。其中,粒子群算法凭借算法结构简单、收敛速度快等优点,被广泛的应用到电力系统无功优化问题中,但是粒子群算法在收敛后期的速度较慢且易陷入局部最优值,有待被进一步研究改进。本文主要在粒子群优化算法的改进和改进的算法在电力系统无功优化的应用两个方面做了一定的研究。针对粒子群算法易陷入局部最优值和后期收敛速度慢的问题,本文设计了两种改进算法:自适应量子粒子群算法和细菌觅食粒子群算法。自适应量子粒子群算法是根据种群粒子的聚集程度,给每个粒子引入自适应的权重,重新评价粒子状态波函数的d势阱特征长度L(t),使粒子具有更好的自适应调节能力,帮助种群逃离局部最优的束缚,尽快找到全局最优值。细菌觅食粒子群算法是将很强的局部搜索能力的细菌觅食算法与全局搜索能力强的粒子群算法相结合的新算法,开始阶段利用粒子群算法的快速搜索能力确定优化的目标,后期借助细菌觅食算法加强局部搜索提高算法的优化精度。仿真实验结果证明了两种改进的算法相比标准的粒子群算法的优越性，并将这两种算法应用到无功优化中。综合考虑系统运行的安全性和经济性,本文构造以电力系统设备运行成本的无功优化数学模型。在电压越界与发电机无功越界等作为约束条件下,通过减少有功网损,最终实现电力系统的经济运行。本文选用IEEE30节点测试系统作为优化对象,将新改进的粒子群算法进行无功优化。实验仿真结果表明,本文的改进的算法在无功优化具有较好的效果。