随着电力市场改革的不断深入，开放的输电网络给电力市场参与者提供了一个公平竞争的环境。为确保电力系统的安全稳定运行，在保证已有输电协议可靠输送的前提下，如何准确计算输电网络的可用传输能力(Available TransferCapability，ATC)，已成为众多研究工作者关注和具有重要研究意义的课题。 ATC的计算是一个复杂的、多变量、多约束的非线性规划问题。经典的优化算法存在着计算时间长，鲁棒性不佳，容易陷入局部最优解等弊端。现代启发式算法内含的并行搜索机制能够快速准确地搜索到全局最优解，非常适合处理大规模非线性优化问题。本文针对ATC的确定性求解模型，提出了基于混合连续蚁群优化算法(Hybrid Continuous Ant colony Optimization，HCACO)求解ATC的方法。该方法将蚁群优化算法(Ant Colony Optimization，ACO)的正反馈特性与实数遗传算法(Genetic Algorithm，GA)的进化策略相结合，既克服了基本蚁群算法只适用于离散问题的局限性，又解决了遗传算法收敛速度慢，计算精确度不高的问题。算法通过全局蚂蚁和局部蚂蚁分别对遗传算法种群个体进行全局探索式搜索和局部挖掘式搜索，并通过信息素来协调蚂蚁的运动，采用模式搜索作为局部优化策略，提高了寻优的效率，全局的寻优能力和结果的稳定性。计算过程中，根据不等式约束越界量的大小，动态调整罚函数，并采用强制寻优策略，有效地提高了算法的收敛速度。 本文以IEEE-30节点系统为例进行仿真计算，并将结果与Benders分解法，遗传算法和改进粒子群(Improved Particle Swarm Optimization，IPSO)算法相比较，表明该算法具有较强的全局寻优能力，较快的收敛速度和较高的结果稳定性，也验证了算法的合理性和有效性。