风能作为一种清洁可再生的能源,其发电技术得到了快速的发展,我国风电并网的规模也越来越大。但由于风速的随机性和间歇性,导致风力发电机的输出功率是不确定的,进而影响着供电质量和系统的稳定性。分析含风电的配电网潮流计算方法,将群体智能优化算法应用于电力系统的无功优化并确定相应的无功优化策略,对于降低有功网损、改善电压质量和保证系统安全运行具有重要意义,为此本文开展了基于改进粒子群算法的含风电配电网无功优化的研究。首先,阐述了电力系统的潮流计算数学模型和牛顿-拉夫逊潮流算法,并分析了常用风力发电机的拓扑结构和风速的分布模型,利用场景分析法对风力发电机的功率特性曲线进行划分,结合Weibull分布模型的概率密度函数计算各场景发生的概率,同时对双馈感应风力发电机的无功极限机理进行了分析。然后,针对粒子群算法用于无功优化问题求解时存在早熟收敛,易陷入局部最优的现象,提出改进的自适应混沌粒子群算法（improved adaptive chaotic particle swarm optimization,I-ACPSO）。该算法在引入自适应调整策略和对最佳粒子采用混沌搜索的基础上,对算法陷入早熟收敛状态时引入柯西变异操作,将适应度值排名位于前20%的最优粒子进行柯西扰动,以保证粒子群的多样性,有效地提高了算法后期跳出局部最优解的能力。以有功网损为目标函数,并入电压和无功出力约束的罚函数项,采用I-ACPSO算法对IEEE 14和IEEE 30节点标准算例进行仿真计算,并与粒子群算法和自适应混沌粒子群算法进行比较,验证了该算法的正确性和可行性。最后,针对传统方法得到的Pareto前沿多样性较差的问题,提出了基于自适应网格的多目标粒子群算法（adaptive grid multi-objective particle swarm optimization,AG-MOPSO）,该算法采用自适应网格得到外部档案库中粒子的密度,并根据密度信息以轮盘赌机制选取全局最优粒子和维护外部存储库的规模,有效地保证了Pareto前沿分布的均匀性和多样性。以有功网损和电压偏差最小为多目标函数,采用AG-MOPSO算法对含风电的IEEE 33节点系统进行无功优化计算,并与已有NSGA-Ⅱ算法进行比较,结果表明AG-MOPSO算法得到的Pareto前沿更好,网损减小率更高,系统的电压稳定性更好。