无功优化(Optimal Reactive Power Dispatch,ORPD)是保证电力系统经济、安全、稳定运行最重要的调控途径之一,其目的是通过调节已知的控制装置对系统的无功潮流进行调整,以寻求最合理的无功功率分布。随着电力行业规模的不断扩大,系统运行需要考虑因素的逐渐增多,研究人员在处理ORPD问题时不再只集中于研究单个目标的最优,而是将更多的优化目标同时纳入决策范围。因此,对多目标无功优化(Multi-objective ORPD,MOORPD)问题的研究日益成为ORPD问题的研究热点。同时,由于智能算法在处理优化问题时具有独特的优势,利用智能算法求解MOORPD问题也成为学者们研究的重点。基于此,本文选用帝国主义算法(Imperialist Competition Algorithm,ICA),同时针对ICA和MOORPD的基本特点,提出了改进帝国主义算法并应用于求解MOORPD问题。首先,论文介绍了无功优化问题和多目标优化问题(Multi-objective Optimal Problems,MOPs)的基本特点和相关概念,进而搭建了包括三个目标函数、两个等式等式约束和两类不等式约束的多目标无功优化数学模型。其中的目标函数包括有功功率损耗最优、电压偏移量最优和电压稳定性指标最优。其次,论文概述了原始ICA的基本思想和进化流程,针对ICA的自身特点提出了动态平衡策略和距离策略对ICA进行改进,并通过基准测试函数验证了改进方法的有效性,得到增强型帝国主义算法(Enhanced ICA,EICA);同时,针对MOORPD问题多约束的特点,提出了约束占优分层机制以解决状态变量违反约束的问题,得到约束占优-增强型帝国主义算法(Constraint-dominated EICA,CD-EICA);此外,为了解决利用ICA求解MOORPD时的多目标解集排序问题,提出了量化排序法则以优化多目标解的筛选机制,并通过测试函数验证了其处理MOPs的性能,得到最终的改进帝国主义算法:约束占优量化排序-增强型帝国主义算法(CD Quantitative Sorting-EICA,CDQS-EICA)。然后,为了验证改进方法在处理MOORPD问题时的效果,将CDQS-EICA与经典的MOPSO、NSGA-III和NSGA-II算法分别针对IEEE30、IEEE57和IEEE118三个规模不同的测试系统进行Case I-CaseⅥ共六个测试案例的仿真实验。同时,为了对改进方法的性能进行综合评估,分别对CDQS-EICA和其他三种对比算法进行了收敛性和稳定性分析,并采用世代距离指标GD和超体积指标HV对四种算法的分布性、逼近程度和多样性进行统计评估。最后,实验结果证明CDQS-ECIA能够有效的处理MOORPD问题,得到的Pareto前沿在四种算法中分布性最好,逼近程度最高,最佳折衷结果(Best Compromise Solution,BCS)的值也相对最优。同时,根据性能分析和统计分析的结果也验证了CDQS-EICA在收敛速度、稳定性以及算法多样性等方面都更具优越性。此外,通过与近几年的文献对比发现CDQS-EICA也具有一定的优势。以上实验结果都表明:本文所提出的改进帝国主义算法CDQS-EICA是适用于求解MOORPD问题的整体解决方案,具有一定的技术突破。