电力系统无功优化以满足系统负荷要求和各种运行约束为前提,主要目的是提高电压稳定性和降低网损。电力系统无功优化问题是一个多变量、多约束、非线性的规划问题,而且它的控制变量中既有离散变量又有连续变量,这使得无功优化问题非常复杂,采用常规方法通常难以求解。针对无功优化问题的上述特点,本文采用粒子群优化(Particle Swarm Optimization, PSO)算法对该问题进行求解。粒子群优化算法是一种简便易行,收敛快速的基于群体智能的演化计算方法,但该算法也存在收敛精度不高,易陷入局部极值的缺点。针对这个缺点,本文运用种群聚集度指数定义函数来动态调节惯性因子,提高收敛精度,避免陷入局部极值。在处理种群聚集度指数越限问题时,对更新越限群体的方法进行改进。根据每次迭代后粒子群体的静态分布规律,采用正态分布函数来重新定义越限群体,使种群聚集度指数符合约束条件,从而实现惯性因子的动态调节。基于以上方法可以改善标准粒子群优化算法的性能。将改进后的粒子群优化(Modified Particle Swarm Optimization, MPSO)算法应用于经典的测试函数,结果表明其全局收敛性能及收敛精度均较PSO有了较大的提高。将MPSO算法应用于电力系统无功优化中典型的IEEE6, IEEE 14, IEEE30节点系统,进行了仿真计算,综合考虑发电机机端电压、无功补偿点补偿无功、可调变压器变比等各种影响无功潮流的因素,在满足电压和无功出力约束条件下以系统有功网损最小为目标,针对不同系统的特点和要求通过仿真实验确定不同的参数,取得了较为满意的效果。与标准PSO算法作了比较,结果表明本文的MPSO算法收敛性能和系统针对性较PSO算法有了较大提高。