电力系统无功优化是典型的非线性优化问题,具有多约束、多变量、离散性等特点,在利用目前的优化方法求解时存在很多问题,例如难以找到全局最优、求解时间长、求解精度低等。因此我们有必要研究新的方法或者新的改进策略。以粒子群算法为代表的群智能算法是求解无功优化这类复杂非线性优化问题的有力工具,但粒子群算法是一种相对新的优化技术,在理论分析和应用研究等方面还处于初级阶段,有很多问题值得研究,例如如何提升算法跳出局部最优解的能力,如何提升算法求解高维度、复杂、多峰问题的精度和速度。本文首先针对标准粒子群算法容易陷入局部最优解的缺陷进行改进,提出了两种改进策略——包含精英权重的全面学习策略和锦标赛邻域拓扑改进策略,并将两种改进策略与标准粒子群算法相结合,形成改进的粒子群算法并将其运用到了电力系统无功优化领域。然后本文进一步研究大规模复杂电力网络无功优化的模型及求解方法,在改进粒子群算法的基础上提出了基于协同进化理论框架的大规模复杂电力网络无功优化的求解方法——分布协作粒子群算法,在电网分区的基础之上,以一种分布协作的方式处理复杂系统的无功优化问题。相比传统的集中式的优化计算方式,该方法不仅能够降低问题的复杂程度,加快算法的计算速度,而且能处理各分区无功调节设备的协调配合问题,有利于实现电力系统综合无功电压控制。最后,本文将理论研究成果应用到某市分散式风电项目之中。在对项目调研的基础上,设计了一套综合无功电压控制系统,并利用分布协作粒子群算法完成其中的无功优化部分。通过对比引入综合无功电压控制系统前后风电场无功电压调节设备的动作次数、网损大小及优化计算的时间等关键指标,可以看出本文设计的基于分布协作粒子群算法的综合无功电压控制系统相比传统各风电场单独优化控制和集中式的优化计算方式有很大的优越性。