随着科学技术和国民经济的发展,对电能质量的要求越来越高,电能质量问题受到电力企业和用户的共同关注;与此同时,非线性负载的大量应用给电网带来了严重的谐波污染。无源电力滤波器(Passive Power Filter,PPF)因其具有结构简单、设备投资少、运行可靠性高、运行成本低等优点,在电网谐波治理和无功补偿中担任着重要的角色。研究PPF参数优化设计方法,降低滤波成本,提高滤波效益,保障滤波器安全,改善电能质量,具有理论和实际意义。本文介绍了PPF的工作原理和结构特点,总结了PPF设计方法的研究现状,着重讨论了滤波器参数对滤波器性能的影响,以此为基础,针对PPF参数优化这一多目标非线性复杂优化问题,应用改进的粒子群优化(Particle SwarmOptimization,PSO)算法进行求解。PSO算法是一种新兴的群体智能优化算法。本文基于PSO的简单模型和PID控制原理,引入了PID增量算子和4个新的随机因子,对标准粒子群优化(StandardPSO,SPSO)算法进行了扩展。进行扩展后粒子群优化(Extended PSO,EPSO)算法中粒子自身认知能力和社会认知能力有了大的提升,粒子共享的信息量也有所增加,粒子在运动的过程中更加智能化。四个新随机因子的引入,提高了种群的多样性,一定程度上克服了PSO容易陷入局部最优的缺陷,使PSO算法全局搜索能力有了大的提高。为实现多目标优化(Multi-objective optimal,MO),采用了基于向量求值的PSO算法。在种群社会信息共享方面,借鉴了Fourman和Kursawa基于向量的遗传算法(Vector Evaluated Genentic Algorithm,VEGA)中随机选取目标的思想,并将其运用于基于向量粒子群算法中种群社会信息的分派。本文提出的多目标优化算法,考虑了谐波抑制、经济指标、无功补偿等因素,综合实现了滤波器参数的多目标优化。提出了新的优化方案和算法,给出了具体实现步骤。仿真分析表明,本文提出的EPSO算法较SPSO算法收敛速度显著加快,且不易陷入局部极值点。基于向量EPSO算法的多目标优化设计求得的滤波器参数,在兼顾无功补偿和避免谐振的同时可获得良好的谐波抑制性能和经济性能。