电力系统无功优化是保证电力系统安全、经济运行的一项有效手段，是降低网络损耗、提高电压质量的重要措施。电力系统无功优化问题是一个多变量、多约束的非线性规划问题，其控制变量既包含连续变量又包含离散变量，这使得无功优化问题十分复杂。用常规方法通常难以求解。 针对无功优化问题的特点，本文采用了一种应用于电力系统无功优化问题的粒子群优化算法。粒子群优化方法(Particle Swarm Optimization，PSO)是一种基于群体智能的启发式算法。它收敛速度快、计算简单、通用性强。针对基本：PSO算法存在易陷入局部最优点的缺点，本文提出了一种新的基于种群收敛度因子的自适应粒子群优化算法(ASPO)。该算法利用种群收敛度信息对惯性权重进行自适应调整，并在算法的后期引入变异算子和交换算子，使算法摆脱后期易于陷入局部最优点的束缚，同时又保持前期搜索速度快的特性。应用于经典的测试函数时，其全局收敛性能及收敛精度均较PSO和遗传算法有了明显的提高。 最后将APSO应用于电力系统无功优化，该算法采用实数与整数混合编码方式，并在进化过程中保持解的可行性。对IEEE-6，IEEE-14，IEEE-30节点系统进行了仿真计算，在综合考虑发电机机端电压、无功补偿点补偿无功、可调变压器变比等各种影响无功潮流的因素，在满足电压和无功出力约束条件下以系统有功网损最小为目标，取得了令人满意的效果。并与PSO等算法作了比较，结果表明APSO算法能有效的应用于电力系统无功优化，证明了改进算法的优越性。