电力系统动态无功优化问题的维数庞大，具有连续性约束、离散性约束和动态调节次数约束等多种约束，目前还没有通用有效的算法。本文针对动态无功优化问题的大规模特点以及非线性和不连续性特点，基于遗传算法和预测——校正原对偶内点法，对其优化算法进行了初步的探索，同时还对相关的静态无功优化问题和潮流问题进行了深入的研究。本文提出了变压器支路的电压变换模型，从而克服了传统∏型模型的等值对地导纳数值大影响潮流收敛的问题，同时还提出了一种辐射型网络的分层前推回代算法，算法同时考虑了变压器支路和线路支路，不需要节点支路的特殊编号，可分层并行计算各层次的支路功率损耗和电压损耗，具有收敛性好、计算速度快的突出优点。针对辐射型网络的三相潮流问题，本文提出了一种三相潮流的支路电流前推回代的相分量潮流算法，与传统方法不同的是，算法中详细考虑了变压器接线方式、移相作用和非标准变比对三相潮流的影响，建立了变压器两侧相应的相电压、相电流方程，从而使算法具有更为普遍的适用性。结合内点法和遗传算法，本文提出了一种新颖的混合算法用于求解动、静态无功优化问题，算法充分利用了内点法易于求解连续优化问题和遗传算法易于求解离散优化问题的优势，将原优化问题分解为初步的连续优化问题、离散变量优化问题、连续变量优化问题这三个子问题分别求解。算法充分考虑了收敛判据对内点法收敛速度的影响，在初步的连续优化问题和连续变量的优化问题中分别采用可行判据和最优判据作为收敛判据，提高了混合算法的整体性能。在内点法中还通过求解较为简单的校正方程来代替求解复杂的迭代方程，在计算结果完全等价的前提下使内点法的迭代计算更加简单、快速。本文提出的各种算法都经过IEEE标准系统和实际系统的仿真计算验证，计算结果表明算法是正确和有效的。