电力工业是国民经济的重要行业之一。随着电力系统规模的不断扩大，输电网规划变得越来越重要。电网规划是一个离散型、非线性、多目标的整数规划问题。目前，通常将多目标电网规划问题转化为单目标问题进行求解。然而，单目标电网规划模型中又存在着权重因子不易选择，算法每次运行只能得到单个解，求解效率低下等问题。因此，寻求一种适合电网规划的、高效的多目标求解算法具有重要的理论和现实意义。论文主要研究基于Pareto最优理论的多目标粒子群优化算法及其在电网规划中的应用。　　 首先，简要综述了电网规划问题的数学模型及常用的求解方法；概述了基本粒子群优化算法的原理及其实现方法，分析了算法的早熟收敛现象。　　 其次，通过标准函数测试研究了最大速度与粒子群算法优化性能的关系，给出了最大速度选择的指导。设计了一种具有主从结构的粒子群算法实现了惯性权重、加速因子及最大速度等算法控制参数的整体寻优。将Powell算法嵌入粒子群算法中构造了一种混合算法，该混合算法既发挥了粒子群算法的全局搜索能力，又充分利用了Powell算法的局部开挖能力，仿真实验表明混合算法的搜索精度有了显著的提高。　　 然后，阐述了多目标优化及进化多目标算法的研究现状。分析了多目标进化算法中理论型评价指标的缺陷，提出了应用型评价指标。设计了一种多目标粒子群优化算法，该算法基于Pareto来更新粒子的个体最优值，采用了精英保存策略，使用档案库中的非劣解作为粒子的全局最优值，并采用线密度删除策略来提高非劣解前端的均匀性，标准函数测试表明该方法的性能优于其它的多目标进化算法。　　 最后，使用多目标粒子群优化算法来求解电网规划问题。电网规划模型中考虑了投资费用、过负荷费用和网损费用等指标，决策变量采用整数编码，考虑了N-1安全校验，使用Matlab7编程对IEEE Garver-6节点系统进行仿真测试，实验结果表明该方法优于传统的单目标求解方法。