随着大电网互联系统的逐渐形成以及电力市场的不断发展,系统的安全经济运行更加重要。作为解决这个问题的强大工具,最优潮流得到了广泛的应用和研究。最优潮流往往考虑成确定性优化问题,而实际系统中存在大量的不确定性因素,这使其应用受到很大限制。本文主要研究考虑负荷模糊不确定性的最优潮流模型和优化算法,主要内容如下。综述了模糊集理论在电力系统最优潮流方面的应用成果。介绍了梯形模糊参数的多种估计方法,并根据多样本负荷数据的拟合误差服从正态分布的特点,推导出一种估计梯形模糊参数的新方法。该方法简单、方便,易于实现。计及负荷的模糊性,同时考虑有功和无功综合优化,建立了一种非线性模糊最优潮流模型。其中,目标函数是发电费用最小,约束条件包括系统的交流潮流方程,电压和线路电流的安全约束以及控制变量的上下限约束。相对现有文献的模糊最优潮流模型采用近似的线性化或者直流潮流,且忽略无功控制变量,本文所建模型更符合实际。为了求解上述模糊优化问题,本文提出了两种新颖的优化策略:一种策略是基于梯形模糊数的运算规则,将上述模糊优化问题转化为确定性优化问题,并采用预测-校正原对偶内点法求解。转换后的确定性优化模型,目标函数为原模糊目标四个断点值的加权和,约束方程包括原模糊约束在四个断点值上的确定约束,以及模糊控制变量四个断点值的梯形约束。该策略确定控制变量的最优模糊分布,以保证系统状态在相应的模糊分布时具有安全性和最优经济性。另一种策略结合交流模糊潮流和遗传算法直接求解新模糊优化问题。在给定负荷模糊分布的条件下,随机确定控制变量的初始种群,通过模糊潮流计算,确定相应的系统状态模糊分布以及加权和目标值,并根据该分布的可行性和目标值的大小计算适合度值,由此判断个体的优劣程度。通过遗传算法对控制变量的选择、交叉和变异,最终确定一组最优控制变量。相对而言,第一种优化策略可以获得更大的经济效益,但由于控制变量也具有模糊性,因此在实际应用中比较难以实施。而第二种优化策略,虽然牺牲了一定的经济性,但控制变量是唯一确定的,其实际操作比较容易实现。通过IEEE14 系统的仿真分析,验证了本文模型和优化策略的可行性与有效性。