最优潮流计算作为衡量电力系统中发电费用、实时电价、系统功率损耗等经济性指标以及在此基础上所考虑系统安全性与稳定性的重要手段。随着经济的高速发展以及社会的不断进步,现代智能优化算法被广泛运用于电力系统分析中参数调优、系统性能提升等相关优化领域,由于其易于编程实现,具有较强的并行搜索能力且能够更加灵活高效地处理各种复杂场景,故在最优潮流问题中能够使寻优过程避免陷入局部最优值从而获得全局最优解。介绍了飞蛾扑火的自然现象以及由此所衍生优化算法的背景与原理,通过对其寻优过程的详细描述展示了该算法寻优机理的基本数学模型。根据飞蛾扑火优化算法对测试函数优化的结果,可以发现其在处理复杂、非凸优化问题时能够在所设较少迭代次数内快速收敛至精度较高的全局最优解;通过不同智能优化算法对测试函数优化结果的比较与分析,说明了飞蛾扑火优化算法能够有效地解决优化过程中过早停滞寻优而收敛于局部最优值问题,平衡了寻优的全局搜索能力与局部开发能力,为后续在电力系统规划运行以及控制中的应用提供了一种有效的优化工具。提出了基于飞蛾扑火优化算法求解最优潮流问题的模型,其中将优化目标设为系统总发电成本最小值,并在此基础上考虑系统损耗、节点电压质量水平以及机组阀点效应。与多种现代智能优化算法进行对比分析,算例仿真结果表明:飞蛾扑火优化算法在求解复杂场景下非线性、非凸静态最优潮流问题过程中能够在所设较少迭代次数内快速收敛至精度更高的全局最优解,同时具有收敛速度快、并行搜索能力强、算法鲁棒性好等优点。值得指出的是该算法对于初始值的选取并无过多要求,但优化过程中飞蛾个数的选取要适中,取值太小或者太大,均会使算法性能降低。提出了一种计及节点负荷功率与风电出力随机因素以及相关性因素的概率最优潮流模型。基于改进拉丁超立方抽样法建立了不确定因素的概率模型,对输入变量之间相关性因素利用抽样后的排序过程加以处理,并利用飞蛾扑火优化算法进行求解。优化结果表明:飞蛾扑火优化算法鲁棒性较好,在随机因素的影响下仍能搜索到精度较高的最优潮流解。当在电力系统中计及风电出力时,风电的随机波动性会使潮流计算结果的不确定性增加,同时不同风电机组之间存在的相关性也会使系统的波动性增大。因此,在现代电力系统中应对随机因素及相关因素予以考虑。