随着社会的发展和科学技术的进步，传统的网络系统很难满足当今社会的大规模需求。多智能体系统具有规模大，复杂度高，高度智能等特性。多能体系统的每个单元都可以进行计算、通信并具有执行相关功能的智能体。在处理现在复杂的多智能体系统时，传统的集中式处理已经满足不了现在的要求。分布式方法因其高稳定性、高扩展性、高分布性以及容错性等特性，在处理多智能以系统问题上具有很好的效果。因此多智能体分布式算法应运而生，吸引了很多领域的科研学者进行相应的研究，这些使得分布式算法得到快速的发展。目前在很多领域都可以看到分布式优化的影子，如机器人系统，无人机编队、无线传感器网络以及智能电网等诸多领域。本文综合利用优化理论和凸分析理论等理论工具，研究了基于多智能体系统的智能电网分布式经济调度优化问题。本文的主要研究工作如下：
　　首先，在网络拓扑为无向网络下，研究了含有不等式约束和等式约束的多智能体分布式优化问题。提出了一种分布式原对偶优化算法来解决智能电网的资源分配问题，在算法中应用异构常数步长来进行多智能体的状态更新。在目标函数满足严格凸且光滑的情况下，理论分析证明，算法可以较快速率的收敛到资源分配的最优值。第三章详细的给出了算法的设计过程以及相关的定理证明。最后，通过现有的标准测试系统，进行仿真模拟分析，验证了算法的有效性和稳定性。
　　其次，在网络拓扑是有向网络下，继续研究有不等式约束和等式约束的多智能体分布式优化问题。第四章提出了一种分布式原对偶算法用于解决有向图上电力系统分布式经济调度的线性收敛性。并给出了该算法的收敛结果和收敛速度。该算法在一个有向通信图中，每个智能体在与其他智能体交换局部信息的同时，通过自身的约束来获得一个状态值。该算法是解决固定有向网络下经济调度问题，网络中多智能体之间的拓扑连接通过一个行随机矩阵来描述。此外，该算法采用同构常数步长。本章给出了具体的收敛率，并详细的介绍了算法的设计过程并给出相关的定理详细证明过程。最后，通过现有的标准测试系统，进行仿真模拟分析，验证了所提出算法的有效性和稳定性。