电力系统的无功优化控制,可以有效地改善电能质量和显著地降低系统有功功率损耗,能使电力系统处于安全和经济的运行状态。无功优化本质上是数学的非线性规划问题,含有连续变量和离散变量。传统的算法要求目标函数具有连续可导的性质,对初值选取有密切关系。随着人工智能算法的发展,尤其是遗传算法在处理无功优化问题时表现出独特的优势,但同时也存在着算法的早熟、收敛速度慢、陷入局部解等缺点。本文在目前国内外研究的基础上,结合各种算法的优缺点,提出了混合牛顿法的遗传算法。同时,针对电力系统无功优化的特点,对简单遗传算法的适应度函数、编码方式、交叉算子、变异算子进行改进,以提高算法的效率,将遗传算法在无功优化方面的好处发挥得淋漓尽致。为了使电力系统无功优化研究更加科学,本文建立起的数学模型以有功损耗最小为目标函数。分别对IEEE-14节点系统和IEEE-30节点系统进行无功优化,仿真结果表明:本文提出的混合牛顿法遗传算法和改进遗传算法,具有更好的全局收敛能力与收敛速度。