随着电力系统的快速发展,电网规模不断扩大,如何保证电力系统的经济、安全、稳定运行成为业界关注的焦点。为了实现这一目标,须通过调整各种控制变量,使系统潮流分配达到最优化,而变量和约束条件数目的剧增、变量之间复杂的函数关系和众多的非线性约束条件使最优潮流跻身于困难的大规模数学规划问题行列。群集智能优化算法以其独特的优点为解决电力系统最优潮流这类大规模复杂问题提供了新的途径与手段。传统的最优潮流模型以实现电力系统的经济运行为目的,通过调整发电机机端电压、有载可调变压器分接头位置、并联无功补偿装置容量实现系统的最佳潮流配置,但对系统的电压稳定性却考虑不足。然而,在电力市场环境下,考虑到环境和经济因素的制约,电力系统的运行状态会越来越接近极限状态,此时电压稳定裕度很低,极易造成电压崩溃的事故。本文在建立最优潮流模型时,兼顾有功网损和电压稳定,考虑两个子目标不同的量纲和评价标准,通过进行归一化处理,将多目标优化问题转化为单目标优化问题。本文回顾了最优潮流研究状况,总结了最优潮流的不同目标函数和不同的数学模型,对多种最优潮流优化算法进行了比较和讨论。作为一种新颖的人工智能算法,搜寻者优化算法(SOA)在许多方面显示出了优势,本文详细阐述了SOA的物理意义、数学模型和算法流程,并与带惯性权值的粒子群算法(PSO-W)、带收敛因子的粒子群算法(PSO-CF)、全面学习的粒子群算法(CLPSO)进行了比较。在此基础上,以系统潮流计算中雅可比矩阵的最小奇异值为静态电压稳定裕度的判据,考虑有功网损和静态电压稳定裕度,建立了本文的最优潮流模型。将SOA、PSO-W、PSO-CF、CLPSO四种算法分别应用于IEEE30和IEEE57两个标准节点模型的优化,计算和比较结果表明:SOA算法具有并行处理特征,鲁棒性好,在解空间中搜索时,搜索方向和搜索步长分开确定,避免了矢量运算的复杂性,使SOA与其他三种算法相比具有较强的全局收敛能力,在电力系统的最优潮流计算中,具有较强的优势。最后,对所做工作进行了总结,对未来搜寻者优化算法在最优潮流中的应用进行了展望。