本论文研究电力负荷动特性的支持向量机建模方法、模型结构中核函数的选取、贝叶斯证据框架的参数优化选择、精确数据的获取以及计及负荷模型的无功优化算法等关键性问题。该研究解决了难以对复杂的用电负荷结构进行负荷建模,负荷模型结构不灵活、泛化能力不强、模型不准确的问题,以及考虑负荷模型的复杂的综合无功优化问题。论文的主要内容如下:负荷模型和参数的准确度对电力系统数字仿真结果影响很大,提出了利用贝叶斯证据框架的支持向量机(SVM)负荷建模方法。该方法将负荷节点看着“黑箱”,应用SVM回归理论建立节点处的非机理负荷模型结构,选用高斯径向基核函数、采用贝叶斯证据框架的三个准则进行模型参数的优化选择。该方法能够灵活地改变模型结构、对参数进行辨识和优化,建立了能够反映负荷特性的非机理负荷模型。广域测量系统(WAMS)具有异地高精度和高密度同步测量、高速通信等特点,能够实时地提供大量反映系统特性的动态数据,提出了利用WAMS信息和SVM的负荷建模。仿真结果表明,模型待辨识参数少,计算速度快,泛化能力好,所建模型精确、能够较准确地描述实际负荷。对于大扰动事件,提出了利用电力故障录波系统信息(PFRMS)和SVM的负荷建模。创建的PFRMS满足了负荷建模精确数据来源的要求。利用故障录波信息重演负荷特性的暂态过程,通过实测曲线和负荷模型仿真曲线的比较,进行负荷动特性模型的校验。针对电网中负荷大小及其变化趋势对无功优化的影响,提出的电力系统无功优化以全调度周期网损最小,改善系统电压质量以及控制设备动作次数最少为目标,优化中计及负荷变化、利用粒子群与模拟退火相结合算法的综合无功优化。对几个测试系统进行了仿真计算表明,该算法原理简单易实现,计算效率高。