本文在阅读了大量文献的基础了建立了符合电力系统实际的无功优化数学模型,运用遗传算法进行了无功优化,针对遗传算法的不足,对遗传算法进行了改进,针对遗传算法产生新解无序的矛盾,提出了基于相似性的邻域搜索策略。利用邻域搜索,可以方便地建立自适应的新解产生机制。针对算法设计中存在的搜索效果和效率平衡问题,提出了利用适应值对个体进行分级的搜索策略。通过对个体的分级,可以区分个体在搜索过程中的职能:优秀的个体进行局部极小值的开采;其它的个体进行搜索空间的探索,以发现新的局部极小值,从而达到搜索效果和效率的平衡。针对遗传算法搜索效率较差的问题,结合传统算法和数值分析的加速思想,提出了用父代个体信息的组合进行加速的搜索策略;通过加速算子的使用,算法的搜索效率得到提高。为了提高收敛速度,结合模拟退火的思想,设计了邻域收缩技术。通过邻域收缩,算法的搜索速度明显提高。根据上述的搜索策略,结合演化计算的特点,提出了一个新的算法框架SFEC(Similitude Frame of Evoluti onary Computation)。从而保证了收敛速度和全局最优搜索能力。根据本文所建立的无功优化实际模型结合常规遗传算法和改进的遗传算法,应用VC++编写了相应的无功优化计算程序,并完成了模拟小电网的无功优化课题,表明了本文改进的遗传算法(SEFC)比传统的遗传算法具有优化计算结果较为理想、方法稳定、求解速度快的特点。