电力网络在长期运行过程中有时会出现局部故障,产生这种局部区域故障的原因主要是由于用户负荷过大,用电量过多,无功补偿缺失使得电力网络中的节点电压过低、系统损耗较大。此时需要对电力网络进行无功补偿,无功补偿能够提高系统功率因数,降低变压器及线路损耗,提高供电效率,消除局部故障。同时在对电力网络进行无功补偿后需要对补偿情况进行优化,尽可能的改善无功补偿的效果。无功补偿设备并入到电力网络后会对电力网络产生许多方面的影响。比如会改变原有电力网络的潮流分布、节点电压、有功网损。同时无功补偿设备并入电力网络位置以及并入容量的不同也会产生不一样的影响。因此,需要通过合理的电力网络无功优化仿真,对并入无功补偿设备容量与位置进行分析后再并入电力网络。针对电力网络在运行过程中可能出现的电压过低、网损过高等问题,本文研究了基于遗传算法改进的粒子群(GPSO)算法在电力网络无功补偿中的应用,利用GPSO算法对局部故障的系统进行无功补偿,并与粒子群(PSO)算法和遗传(GA)算法补偿效果比较。首先,本文分析了无功补偿设备并网后系统潮流、电压和网损的变化情况。接着对电力网络的潮流计算和无功补偿进行了理论分析,研究了电力网络潮流理论、潮流运行方式、潮流计算方法以及电力网络的无功损耗、无功补偿装置、无功补偿方式,归纳总结了一些数学模型和实际工作方法。其次对14节点、39节点以及某地区实际网络算例采用牛顿-拉夫逊法求解电力网络潮流,分别利用PSO算法、GA算法和GPSO算法对电力网络进行无功补偿计算,通过将无功补偿设备合理并网来增大节点电压、减少网损。最后比较三种算法对不同电力网络算例的优化结果,通过对比三种算法下电力网络的节点电压及有功网损数据证明了GPSO算法的改进情况,即GPSO算法对于电力网络无功优化具有更好的优化效果。