随着我国电网规模的不断扩大,以及超高压直流远距离电力输送和大规模分布式电源的入网运行,给电能质量稳定性和电网经济运行等带来新的挑战,作为保证电网安全经济运行的无功优化调度就显得尤为重要。电网无功优化是在电压和出力等约束条件下,通过优化电网中的无功配置,达到改善系统电压质量、减少系统网损和提高电压稳定性等目标。因此无功优化问题是一个混合变量的、多约束和多目标的非线性组合优化问题,在这一研究领域内已有多种方法。传统的无功优化方法虽然计算迅速、收敛可靠,但是需要一些假设条件,如要求控制变量连续、目标函数可微等。近年来随着人工智能算法在无功优化中的广泛应用,收到了很好的效果,同时由于遗传算法、粒子群算法和传统量子粒子群算法等的收敛瓶颈,导致算法在收敛后期易陷入局部最优解和产生“维数灾”而无法寻得全局寻优,进而影响了算法进行大规模系统优化的效果。为了提高量子粒子群算法在电网无功优化的收敛速度和全局寻优能力,本文提出了基于多智能体系统的分布式协同进化方式对并行搜索的量子粒子群算法进行改进,以完成全局的竞争寻优。本文主要就以下方面进行了研究：1.提出了多智能体量子粒子群优化算法。使用JADE平台构造了多Agent系统,通过公告板形式进行寻优,以并行式种群替代的形式,为QPSO种群加入变异,增加了QPSO算法种群的多样性,减少了算法陷入局部最优解的概率。2.建立了基于系统网损最小化、PQ节点电压偏差率和无功投入为目标的无功优化综合模型,分析了常见求解电网无功优化问题的智能算法的优缺点和适用范围。3.提出了基于多智能体系统的量子粒子群优化算法解决大规模电网无功优化调度问题,建立了基于网格环境生长的MAS模型和分布式协同优化的量子粒子群算法实现系统无功优化。通过对IEEE30、57和118节点的仿真实验表明,本文所提出的算法模型具有有效性、合理性、实用性、可操作性以及创造性。