现代电力系统是一个极其庞大而且复杂的网络,以当前的计算机性能而言,电力系统的发展已经面临诸多瓶颈与问题。特别在电力系统潮流计算中,随着电力系统网络节点数目的增多,传统串行潮流计算方式在计算速度上,已经难以满足电力系统数据分析的需求。面对上述困境,可借助分布式计算的方法,解决串行潮流计算过程中因电力系统网络节点数目增多而导致耗时较长的问题,同时亦可保证潮流计算的收敛性。本文重点研究了在Spark平台上进行分布式潮流计算的方法与技术,研究工作与取得的主要成果如下:(1)分析了牛顿拉夫逊法与PQ分解法(快速解耦法)等传统串行潮流计算的经典算法,分析潮流计算主要解决的问题与计算难点;设计了先将雅可比矩阵取逆矩阵,再将逆矩阵分块求解修正值的方法;构建了分布式雅可比矩阵求逆法,将求逆矩阵规模由原来的n-1阶与m阶矩阵减少到了n-1阶矩阵。(2)为了快速求解大规模矩阵相乘,设计了分布式矩阵分块计算法,将大矩阵分割成小规模子矩阵,再按照矩阵乘法法则进行分布式求解,最后将计算结果汇总,提高计算能力。(3)采用虚拟机在台式电脑上搭建了具有4个节点的Spark平台,其中一个节点作为主节点,其他3个节点作为子节点;采用Scala语言编写了分布式潮流计算算法。(4)使用几十到上万节点的不同规模的电力系统数据对算法进行了测试,实验结果表明基于Spark平台的分布式潮流计算明显优于串行潮流计算,并且具有良好的可扩展性,证明了本算法在大规模潮流计算中具有一定的实用价值。