具有绿色环保、可再生等特点的光伏发电已成为清洁能源发电的重要组成部分,但光伏输出功率的波动性给光伏配电网的无功优化设计带来了很大挑战。本文对光伏发电系统的短期输出功率预测方法以及含光伏配电网无功优化问题进行了深入研究,搭建了光伏发电输出功率短期预测模型,并结合该模型的光伏输出功率预测结果来求解含光伏配电网的无功优化问题。本文主要工作如下:研究了含光伏配电网的无功优化原理以及分析了光伏输出功率特性。首先,研究了配电网潮流计算方式和无功补偿方法和原理,为无功优化提供了基础理论支撑。然后针对光伏电源并网问题,分析了光伏并网后对配电网的潮流分布、节点电压、线路电流和网络损耗的影响。此外,对导致光伏输出功率随机性的几种影响因素进行了深入分析,为光伏输出功率短期预测提供了理论依据。分析了樽海鞘群算法（Salp Swarm Algorithm,SSA）的不足,在此基础上,通过引入混沌映射、准反向学习策略和逐维差分变异策略,得到了改进的樽海鞘群算法（Improved Salp Swarm Algorithm,ISSA）,并通过标准测试函数验证了ISSA算法的有效性。测试结果显示对于选定的8个测试函数,ISSA算法能够找到其中4个测试函数的最优解,且对于每个测试函数30次求解结果的标准差均小于0.01,说明ISSA算法具有较强的寻优精度和寻优稳定性。采用ISSA算法对小波神经网络（Wavelet Neural Network,WNN）的权值和参数进行优化,搭建了基于ISSA-WNN的光伏输出功率短期预测模型,并采用三个算例对搭建的ISSA-WNN模型进行了验证。对于三个算例的预测结果,ISSA-WNN的平均绝对百分比误差值分别为0.78%、2.88%和7.02%。此外,将构建的ISSA-WNN模型与已有的模型进行了比较,预测结果显示所构建的模型预测精度更高,可以实现对光伏输出功率的精确预测。采用ISSA算法来求解含光伏配电网的静态与动态无功优化问题。首先,以各无功补偿装置的补偿容量为优化变量,以系统最小网损为优化目标函数构建了静态无功优化模型。然后,考虑了无功补偿电容器组的动作次数限制,使用网络代价和K均值聚类算法来优化电容器组的动作次数,并以此构建了动态无功优化模型。最后,采用ISSA算法分别对静、动态功优化问题进行求解。求解结果显示对于静态无功优化,基于ISSA算法得到的总网损最低,较优化之前降低了26.9%;同样,对于动态无功优化,基于ISSA算法得到的总网损依旧最低,较优化之前降低了24.8%,验证了ISSA算法求解含光伏配电网的无功优化问题的有效性。