配电网无功优化是提高配电网电能质量、降低网损以及增强可靠性的有效手段。随着智能优化算法的发展,寻找收敛性好、鲁棒性强并且具有智能特征的优化算法,用来求解电力系统无功优化问题已经成为研究的重要方向。深入分析了几种典型的分布式发电技术,在分析含分布式发电的配电网与以往配电网不同的基础上,详细介绍了含分布式发电的配电网潮流计算方法,并研究了DG接入容量和位置对配电网电压造成的影响。建立了以系统有功网损、电压偏差和静态电压稳定裕度的含分布式发电的配电网无功优化模型,针对现有的免疫算法容易陷入局部最优,得不到全局最优解等问题,提出一种基于聚类和自适应变异的改进型免疫算法,并将该算法成功用于含DG的配电网无功优化中。该算法在传统免疫算法的基础上,在抗体成熟过程中加入聚类算法并对变异算子进行自适应取值,在保持多目标优化问题解的多样性的同时,提高了算法的全局收敛性。针对标准粒子群算法易早熟、容易陷入局部最优解等方面的问题,在前人研究的基础上,提出一种新的云自适应改进型粒子群算法来进行无功优化计算。该算法以基本粒子群算法为基础,通过对惯性权重进行动态优化以及对性能不同的粒子的速度进行不同程度的压缩,使粒子在进化过程中能够根据不同的情况相应的做出调整,使算法在加快收敛速度的同时又能摆脱局部最优的困境。仿真结果表明,无功优化在考虑系统经济性的同时,兼顾了系统的安全性,还可以看出分布式电源并入电网后能够减少系统的有功损耗,改善系统的电压稳定性。将本文所提出的两种配电网无功优化进行对比分析,算例结果分析表明,云自适应粒子群算法在求解多目标无功优化问题时更具有优势。