近年来,风力发电由于其清洁环保、可靠性较高等优点得到大力发展。风电出力具有随机性的特点,风电场的并网将改变电网的潮流分布,给电力系统的运行带来很多不确定因素。此外,实际电力系统运行时,负荷功率的波动是较为常见的现象。传统的无功优化研究大多基于确定的系统状态,没有考虑以风电出力和负荷为代表的不确定因素的影响,这将给电力系统的安全稳定运行带来隐患。因此,本文针对系统中的不确定因素,引入概率潮流方法,建立合理的无功优化模型,并提出相应的求解策略,确立适用于不确定性环境下的电力系统无功配置方案。本文从优化算法、不确定性处理和无功优化模型三方面展开研究。首先,本文将花朵授粉算法应用于电力系统无功优化问题的求解,为克服花朵授粉算法易陷入局部最优、寻优精度低等不足,将Sobol序列采样技术和自适应调节转换概率应用于花朵授粉算法,提出一种改进花朵授粉算法。算例分析验证了改进算法在无功优化问题上的有效性和准确性。其次,为有效处理风电出力和负荷的不确定性对电力系统无功优化的影响,本文提出一种含风电场电力系统概率潮流计算方法,采用该方法替代无功优化中的确定性潮流计算。该方法采用Nataf变换和Sobol序列采样生成具有相关性的风电出力样本,采用基于Cholesky分解的半不变量法来计算各风电出力样本下的概率潮流,通过整合各样本下的概率分布得到最终的电力系统概率潮流结果。算例分析表明,所提方法在较小采样规模下具有很高的计算精度,能够较精确地得到系统状态变量的概率分布。最后,以系统有功网损期望值最小为目标函数,建立了含状态变量机会约束的无功优化模型。采用概率潮流计算方法求解有功网损期望值和状态变量的概率分布,利用改进花朵授粉算法对模型进行优化求解。通过仿真测试表明,本文无功优化方法在不确定环境下能够有效降低系统网损,减小系统状态变量发生越限的风险,从而保证系统的安全经济运行。