电力系统的无功优化是在当前电网的结构和运行情况给定时,通过调节一些控制变量,如发电机节点的输出功率,变压器变比,电容器等无功补偿装置的投切参数等,使系统达到网损最小,电压最稳定等目标。通过无功优化的调节,可以使电力的传输质量和低碳环保、经济稳定结合起来。因此,合理的多目标无功优化算法在电网调度中是必不可少的。另一方面,迅速扩大的电网规模导致处理无功优化时数据量过于庞大,在单机上进行无功优化需要较长的计算时间,优化效果不好。因此,本文针对上述问题展开研究。首先,针对有功网损最小、静态电压稳定裕度最大的双目标无功优化模型,使用带精英策略的快速非支配遗传算法NSGA-Ⅱ求解。与简单遗传算法(SGA)、粒子群优化算法(PSO)的优化结果进行比较,证明NSGA-Ⅱ算法有比较好的优化结果及收敛速度。其次,针对NSGA-Ⅱ算法计算拥挤度时较优秀的个体容易淘汰的问题,给出一种改进的个体淘汰策略;针对NSGA-Ⅱ算法的交叉率和变异率无法满足种群在进化过程中动态变化的要求,结合云模型进行自适应改进。得到IA-NSGA-Ⅱ算法,与NSGA-Ⅱ算法比较,处理无功优化时有更好的寻优性能。最后,针对IA-NSGA-Ⅱ算法在处理多目标无功优化问题时,计算时间过长的不足,结合云计算技术与分布式计算思想,在Hadoop平台环境下将IA-NSGA-Ⅱ算法进行并行化改进,以提高处理大规模电力系统无功优化的能力。在实验室搭建的云集群上结合多个算例测试,验证了在云集群环境上使用IA-NSGA-Ⅱ算法处理无功优化问题的高效性和较强的优化能力。