电力系统无功优化是指在已知网络结构参数和运行参数的情况下，在满足各种约束条件的前提下，通过现代化的技术或者人工智能算法，合理的调节控制变量（发电机的机端电压、有载调压变压器的变比和无功补偿装置的档位），达到充分利用电力系统的无功电源，改善电压质量，减小网络损耗的目的。传统的无功优化的计算方法存有诸多不足之处，优化结果很不理想。针对无功优化问题的复杂特点，近年来人们开始使用人工智能算法来解决无功优化问题，利用智能算法的优秀性质可以更好的求解离散变量。其中，发展时间并不长的粒子群算法凭借参数少、收敛迅速、实现简单的优点，被广泛应用到电力系统无功优化的问题中，但是粒子群算法仍然存在着易陷入局部最优值和后期收敛速度慢的缺点，有待进一步优化研究。针对基本粒子群算法初始解的随机性的问题，本文运用混沌优化策略对粒子群进行初始化，增加粒子取值的多样性，给出改进的混沌粒子群算法（Chaotic Particle SwarmOptimization, CPSO）。对无功优化的数学模型和有关求解的算法进行了研究，从系统运行的经济性考虑,将有功网损最小作为目标函数,建立了无功优化单目标模型。运用改进算法对其求解得到较高质量的解。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，为进一步提高粒子群优化算法在解空间的探索能力,从寻优机理的角度入手设计了两种改进策略:分别是基于云模型正态云发生器的进化策略和变异策略。进化策略是依据粒子的适应度值将种群中的粒子分成靠近最优值、较靠近最优值和远离最优值的三个子群，并分别采取不同的惯性权重生成策略进行处理，其中较靠近最优粒子的子群的惯性权重由正态云发生器动态自适应调整，摆脱算法陷入局部最优值束缚。变异策略是在迭代后期通过正态云算子实现粒子的变异操作，加快后期收敛速度。通过仿真实验分析了两种策略的可行性,并将其应用无功优化计算验证了算法的有效性。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。在混沌粒子群算法的基础之上，结合基于正态云发生器的进化策略和变异策略，给出混合优化算法-云自适应变异混沌粒子群优化算法（Could Adaptive Variation Chaos Particle Swarm Optimization，CAVCPSO）并对多目标问题进行优化求解。运用MATLAB7.0进行编程和测试，对标准IEEE30节点系统和IEEE118节点系统进行测试仿真。通过对比实验结果，可以验证CAVCPSO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较好的效果。