电力系统无功优化,不仅能降低有功网损,还可以保证电能质量,实现电网运行的安全性和经济性。电力系统无功优化具有非线性,多控制变量、多约束条件等特点,采用常规的优化算法求解此类问题具有较大的局限性,而智能优化算法与之相比则显现出明显的优势。本文对无功优化粒子群优化算法(PSO-Particle Swarm Optimization)进行了深入的分析和研究,从不同角度出发,提出了几种改进方法。(1)从经济性考虑,把有功网损最小作为目标函数,建立了无功优化模型,提出了一种改进的自适应混沌粒子群优化算法(AC-PSO),该算法在粒子群初始化时,引入混沌映射思想,增加了粒子种群的多样性,在粒子群寻优过程中,自适应动态调整模型中的惯性权重和学习因子,提高了算法的局部和全局寻优能力,获得了更好的求解质量。(2)为进一步提高粒子群优化算法在解空间的探索能力,从变异的角度入手提出了两种改进算法：具有加速因子的粒子群优化(AF-PSO)和具有随机变异特性的粒子群优化(RM-PSO),通过仿真实验对比分析了两种算法的性能,并将其应用于无功优化计算验证了算法的有效性。(3)综合考虑系统运行的安全性和经济性,以有功网损最小、电压偏差最小和静态电压稳定裕度最大为目标函数,建立了模糊多目标无功优化模型,采用混合优化算法-自适应混沌随机变异粒子群优化算法AC-RM-PSO进行优化求解,多目标优化的模糊解法解决了多目标不同量纲之间的问题；AC-RM-PSO优化算法在避免陷入局部最优和全局收敛性等方面取得了良好的效果。