电力系统的无功功率分布是否合理，直接关系到系统提供的电能质量的好坏，关系到了系统网损降低的程度，是系统安全、稳定、经济运行的前提。对系统进行无功优化，不仅是实现电网经济运行的重要手段，也是保证系统电能质量，让电网安全运行的基本条件，因此具有理论研究和实际应用的价值。传统的优化算法，例如线性规划、非线性规划等，必须依赖于精确的数学模型，并且通常对所处理问题的目标函数有其他的要求。此外，传统方法在处理含有离散变量的无功优化问题时，其结果基本上都会出现较大的误差。近年来，在电力系统的无功优化领域运用人工智能方法已成为热点研究课题。
　　本文首先介绍了电力系统无功优化研究的背景和意义，并描述了实现电力系统无功优化的传统方法和现代人工智能算法的基本特点。在深入研究电力系统无功优化的基础上，根据电力系统的特点和要求，分析了电力系统的无功优化模型和常用的无功控制设备，并重点介绍了潮流计算的数学模型和实现方法。通过对无功优化的数学模型和实现方法进行深入分析研究，分别建立了基于遗传算法、改进细菌觅食算法和这两者相融合的混合智能算法的电力系统无功优化的数学模型，并确立了相应的目标函数。对于在数学模型中出现的电压越界、无功越界的情况，侧重电压稳定，本文以越界惩罚因子和罚函数的形式将约束条件引入到目标函数中，将有约束的问题转换为无约束的问题。
　　为了验证上述三种算法的可行性和优越性，本文选用IEEE-30节点标准测试系统作为优化对象，利用MATLAB语言编写了三种算法对优化对象进行无功优化计算的实现程序，并对优化结果进行了分析比较。计算结果表明，本文的混合智能算法较其他两种算法在寻优速度和收敛性方面具有明显优势，能满足无功优化的基本要求，同时也证明了本文算法和模型的可行性和有效性。