目前,我国油田开采大多处于中后期,采收率下降成本升高,且抽油机特殊的运行方式和井下原油含量的不断减少,使油田配电网存在无功含量大,网损率高,功率因数低等缺点,造成电能的严重浪费。针对这一实际问题,研究一种油田配电网无功优化方法具有重大意义。在分析了油田配电网现状的基础上,提出了基于遗传神经网络在静、动态无功优化中的研究方法。建立了以网损率和电压合格率为目标的无功优化数学模型。选用前推回代法对其进行潮流分析。提出了以最大降损与负荷功率阻抗矩相结合的方法,确定静态和动态无功补偿点的具体位置。针对抽油机上下冲程的运行方式,提出了灰色GM(1,1)改进模型与潮流计算相结合的方法对油田配电网运行参数进行动态模拟,为动态无功优化提供原始数据。在静、动态无功优化研究中,以平均负荷功率为对象,利用改进遗传算法,计算出静态补偿点的补偿容量,根据负荷功率平均值的50%~150%,进行参数动态模拟,生成若干组新的网络负荷功率,并确定出动态补偿点在该组的静态补偿容量,将得出的模拟数据和对应补偿容量作为后期动态无功优化的样本值。动态无功优化采用改进BP算法建立神经网络,由样本空间对网络进行训练和测试,得出了训练好后的BP网络,该网络达到了毫秒级运算速度,可以实时的确定动态无功优化中的补偿容量。最后,以实际的油田6kV配电线路为例,结合配电网运行参数动态模拟方法,对提出的遗传神经网络算法进行了计算、对比、分析,证明了该算法在油田配电网无功优化中的高效性和实用性。