除了上述介绍的常见传统优化方法之外，还有非线性牛顿法、动态规划法负荷形法[5]，Box算法[6]等用于电力系统无功优化的优化算法。在面对无功优化这样一个多约束的非线性问题时，这些方法在不同程度上存在一定的问题，比如容易陷于局部最优，难以找到精确的数学模型，往往需要对初值进行严格选取，有些方法容易陷入维数灾等等。针对这些问题，人们开始寻找更加智能的方法，以期能够解决传统方法的种种不足。文献综述

1。4 人工智能算法

人工智能算法也称为现代随机优化算法，这些算法的发展使得电力系统优化方法有了新的途径，较之传统的优化算法有了较大的飞跃。现代随机优化算法可以分为现代启发式搜索、人工神经网络和专家系统等等，这些算法在电力系统中都得到了充分的应用。遗传算法(GA)、模拟退火算法(SA)、蚁群算法(AOC)等是现代随机算法的主要分支，理论发展十分成熟，应用广泛。

遗传算法[7]是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。通过对选择的“染色体”进行“染色体”不同位值交叉，或者按照一定概率变异，生成的下一代将继承了父代所有的优秀特质，逐渐的向更优解方向进化。与传统优化方法不同，遗传算法思路简单，具有优秀的鲁棒性，而且对于函数没有限制，并且具有并行计算特性，对于离散变量的处理有一定的优势，在全局最优解的获取上比较可靠。因此广泛地应用于电力系统各个方面，尤其是基于遗传算法的无功优化算法也发展得比较成熟。模拟退火法是一种随机搜索算法，建立在热力学基础上。在求解过程中，如果其相邻域的某次操作能够使得当前解更优，算法便接受这个被改进的解作为新的当前解；反之，则以一定设定概率接受这个变差的解作为当前解。在实际求解中，退火方案的制定和选择对于求解的速度和可靠性影响较大，主要因素包括初始温度的设置；设定同一温度下“充分”搜索退火速度；选择邻域变差解的概率值等，这些参数由于没有既定原则，选取困难。蚁群算法又称为蚂蚁算法，是一种寻找最优化路径的概率型算法。这种算法由Marco Dorigo于1992年在他的博士论文中首次提出，其灵感来源于蚂蚁在寻找食物并回到过程中发现最优路径的行为。蚁群算法是一种模拟进化算法，成功地应用于解决组合优化问题，可求解传统方法难以解决的非凸、非线性、非连续性问题，本质上是一种基于群体的多代理算法。在电力系统无功优化中，可以将系统各个有载调压变压器档位，并联无功补偿设备等分级作为蚂蚁群寻食经过的节点，让蚂蚁进行搜索，而将目标函数定位系统最小网损。文献[8]在已有的蚁群算法基础上，通过引入基于编码的蚁群算法，对不同类型的控制量使用不同的编码长度，能够同时处理连续和离散空间变量，使得蚁群对适应值的非线性变化具有不变形，能够更稳定地控制选择压力，改善陷入局部最优的情况。

此外，禁忌算法(TS) [9]、粒子群算法(PSO) [10]、混沌算法等等也是电力系统无功优化中比较常用的方法。这些现代随机启发式算法弥补了传统算法对于目标函数可导的具体要求，不会因为假设和近似从而影响到求解的真实性；并且这些算法普遍具有并行计算能力，能够较大地提高处理复杂优化问题的速度。

1。5 经济压差无功优化理论研究现状

在文献[11]中，分析了高压输电线路最经济的运行方式，首次提出了经济压差相关概念。开展此方面研究的国内的学者至今为数不多，其中的主要代表人物为唐寅生教授级高工。唐高工在此理论上进行了一些有意义的研究，并着手将此方法应用于实际电网无功电压优化调度中，取得了一些成果。来*自-优=尔,论:文+网www.youerw.com