电力系统最优潮流是电力系统优化运行的基础。目前对电力系统最优潮流的研究大多集中在双目标或者三目标问题上。随着智能电网灵活协调运行中不断涌现的调度目标,如环境友好和用户用电成本等特异性的运行目标,最优潮流问题不再是传统单目标或者两到三个目标的最优潮流问题,而转化为一个含经济、节能和减排高维目标的最优潮流问题。近年来,国内外学者利用基于Pareto的智能优化算法在解决双目标或者三目标最优潮流问题时取得了令人满意的结果。然而,面对高维目标最优潮流问题,此类算法失去了其原有的优化能力。针对以上问题,本文建立了一种包含6个目标的高维目标最优潮流模型,并提出了一种拥挤模糊双排序方法对模型进行求解。具体步骤如下:本文首先研究了目标维数增加对最优潮流问题的影响,揭示了现有多目标算法在计算高维目标最优潮流时问题产生的根源:优化目标数目的增加使逼近理想Pareto前沿的非支配潮流解的数量将呈指数上升,种群中潮流解个体的数目相对巨大的目标空间而言数量上显得严重不足,使得基于Pareto支配的多目标进化算法的选择压力很快降低,导致算法的收敛变得困难,无法得到满足要求的潮流精英解集。然后,针对上述问题,本文提出了一种拥挤模糊双排序机制(Crow-Fuzzy DoubleSorting,CFDS)。此机制能够利用带有模糊支配功能的模糊排序逻辑,把进化过程中高维目标空间寻优的候选潮流解区分为不同的支配水平,并结合拥挤距离,在改善所有潮流目标的同时,对高维目标潮流解支配程度进行定量分析。将此方法与多目标差分进化算法(Multi-Objective Differential Evolution,MODE)结合形成了 CF-MODE算法。仿真结果表明,用该算法计算高维目标最优潮流问题能够得到一个高质量的潮流精英解集,其各项性能都优于现有算法。最后,本文从多属性决策的角度出发,重点研究了如何选择电力系统高维目标调度的最终方案这一重要问题,提出了一种基于灰色关联的拥挤模糊多属性决策方法。此方法首先利用基于离差最大化法的混合赋权法对各调度目标进行权重分配。然后运用灰色关联系数法对调度目标进行归一化处理,能够有效评估各目标之间的不确定关系。仿真结果表明基于灰色关联的拥挤模糊多属性决策方法能够更加合理的选出最终的决策方案,并且具有高分辨能力。