在智能电网的环境下,潮流计算作为其基本的分析工具有着非常重要的地位。为了将电力系统经济性,安全性以及电能质量三方面要求与潮流计算完美的结合起来,人们提出了最优潮流计算。最优潮流深受电力系统规划设计人员和运行调度人员的青睐,在电力系统规划、运行、分析和控制中起着重要的作用。本文首先针对牛顿法潮流计算的初值敏感性问题,提出了最优初值选取方法。解决了由于初值选取不当造成的潮流计算不收敛问题。其次,针对内点法,简化梯度法等方法在最优潮流计算中出现的初值敏感问题以及计算量过大等问题,提出了基于Fisher函数的广义梯度投影最优潮流算法。最后,为了使最优潮流获得更快的收敛速度,更方便的处理离散变量,运用双Hopfield神经网络来求解最优潮流。文中的主要工作如下：(1)提出了牛顿法潮流计算的收敛性判据,来判断初值能否使潮流方程得到收敛解。若初值可行,根据所提出的最大迭代次数估计判据,对潮流计算的迭代次数进行初步估计。通过以上两个判据可以对所选初值能否使潮流方程收敛进行一个初步判断,从而避免了初值任意选取造成的冗余计算。针对于牛顿法的初值敏感性问题,结合所提出的两个判据,利用遗传算法提出了最优初值的选取方法。IEEE标准节点系统和通辽电网的实例仿真结果可以证明所提出的最优初值选取方法的有效性。(2)提出了基于Fisher函数的广义梯度投影最优潮流算法。该方法与简化梯度法相比,不必每次迭代都求解潮流方程,大大减少了计算量。并运用动态选取罚函数技术,避免了由于罚函数选取不当导致的病态条件数。与内点法相比,扩大了初值的选取范围,避免了初值选取不当导致收敛过程的不稳定或使寻优进展缓慢。IEEE标准节点系统的仿真结果验证了该算法的有效性,并将简化梯度法,内点法以及广义梯度投影法最优潮流计算分别运用到通辽电网实例计算中,作出对比分析,仿真结果验证了基于Fisher函数的广义的梯度投影法的快速收敛性和稳定性。(3)运用双Hopfield神经网络来进行最优潮流计算。双Hopfield神经网络分为两个部分：首先,利用一个网络来优化罚函数项,使解落在可行解子空间中。另一个网络用来优化目标函数,朝着目标函数的可行下降方向进行求解。两个网络是相互独立的,交替运行。双Hopfield神经网络避免了Hopfield网络求解最优问题时既需满足约束条件又需得到高质量的解之间的矛盾,并且该算法极大的提高了计算速度。IEEE标准节点系统的仿真结果验证了双Hopfield神经网络方法与Hopfield神经网络相比取得了更好的优化效果。