电力系统动态最优潮流是对调度周期内的系统状态进行统一优化的有效工具,对保证电力系统安全经济运行具有重要的理论意义和现实意义。本文结合内点法和免疫遗传算法,对经典动态最优潮流问题和动态无功优化问题的算法进行了深入的研究,提出了新的算法;并建立了含电压稳定约束、含无功型离散变量,以及含机组启停变量的动态最优潮流模型,将新算法推广应用于各种新模型,拓展了动态最优潮流的研究领域。主要研究成果如下:①以经典动态最优潮流问题为研究对象,分析了问题的结构特点,指出该问题可分解为若干具有弱关联的子问题,因此内点法求解该问题时修正方程的系数矩阵具有分块对角带边结构。针对这样一类特殊的大规模非线性规划问题,提出了预测——校正解耦内点法,采用分块LU分解技术和分块三角矩阵求解实现预测——校正环节与解耦技术的融合。算例结果表明预测——校正解耦内点法在迭代次数和计算时间等方面的性能优于原对偶解耦内点法。通过仿真计算研究了发电机爬坡速率约束和供购电合同约束对经典动态最优潮流结果的影响。②考虑系统由正常工况向重负荷工况转移时的发电机调节能力约束,以及系统在两种工况下的安全运行约束,建立了电压稳定约束静态最优潮流模型。进一步将电压稳定约束静态最优潮流拓展到动态最优潮流领域,建立了电压稳定约束动态最优潮流模型。这两种模型都具有与经典动态最优潮流问题相似的结构,因此修正方程的系数矩阵同样具有分块对角带边结构。将预测——校正解耦内点法应用于这两种模型的求解,通过仿真计算研究了发电机调节能力与电压稳定裕度指标对模型最优解的影响。③以动态无功优化模型为研究对象,提出了免疫遗传算法与内点法相互补充、相互结合的混合算法。根据实现方式的不同,混合算法分为交替迭代与整体嵌套两种混合策略:交替迭代混合策略把原问题分解为离散变量的优化子问题与连续变量的优化子问题,通过免疫遗传算法与内点法的交互计算逼近最优解;整体嵌套混合策略把内点法作为适应度评价环节整体嵌入免疫遗传算法,随着混合免疫遗传算法的群体演化逼进最优解。仿真计算结果表明混合算法性能稳定,能有效求解动态无功优化这种大规模混合整数非线性规划问题。④建立了两种含离散变量的动态最优潮流模型,并提出免疫遗传算法与预测——校正解耦内点法相结合的混合算法求解这两种模型。第一种模型考虑可投切并联电容器(电抗器)组、有载调压变压器分接头等离散变量的动作次数约束,称为含无功型离散变量的动态最优潮流模型,采用交替迭代混合算法进行求解;第二种模型考虑机组启停状态的最小开机/停机时间约束,称为含机组启停变量的动态最优潮流模型,采用整体嵌套混合算法进行求解。仿真计算结果验证了两种模型与算法的正确性。