电力系统的无功潮流分布是否合理决定了电压质量的好坏，这直接影响电网的经济性和安全性，无功优化是降低网络损耗、提高电压质量的有效手段，因此研究无功优化问题具有非常重要的意义。电力系统无功优化具有非线性、非连续、大规模内控制变量较多等特点，是一个复杂的优化问题。基于随机搜索的人工智能算法在求解该问题时有很好的适应性，能以较大的概率收敛于全局最优解。本文研究了无功优化的模型及相关求解算法，综述了各类优化算法的优缺点。在此基础上对基于粒子群优化算法的无功优化进行了深入的研究，针对粒子群算法易陷入局部极值和收敛速度慢等不足，提出基于细菌趋化的粒子群算法。改进算法在整个计算过程中保持种群的多样性，收敛性能、计算精度都得到了提高。将提出的改进粒子群算法用于求解电力系统无功优化问题， IEEE标准节点系统的仿真结果表明该算法的可行性和有效性。现代电力系统的规模越来越大，传统的集中优化计算模式在求解无功优化问题时得不到满意的结果，并考虑到无功功率平衡的局部特性，本文引入协同进化的思想，提出基于协同粒子群算法的无功优化模型。协同进化算法与传统进化算法的不同在于考虑了种群与种群，种群与环境之间的协调作用，根据分解-协调的思想，可以将整个系统的无功优化问题分为若干个子优化问题，每个子问题对应于粒子群优化算法的一个种群，子系统的无功优化采用提出的基于细菌趋化的粒子群算法求解，各种群之间互相合用，共同进化，进而完成整个系统的无功优化。算例结果表明，该算法在系统规模较大时表现出比较大的优势，计算复杂度降低、缩短了计算时间，具有实用性。