随着分布式能源系统、分布式电力系统和分布式智能电网的大规模并网以及新能源和多元化负荷的快速发展使得电力系统优化成为一项极其具有挑战和意义的工作。最优潮流作为电力系统运行和规划的主要工具之一,它可以帮助优化电网控制配置,使电力系统在一个既经济安全又可靠稳定的环境下运行。一般来说,最优潮流优化问题被认为是一个非线性、非凸、大规模数值优化问题,它的复杂性依赖于线路和总线数据。因此,如何设计有效的优化方法直接决定了最优潮流配置电力系统的性能。差分进化算法作为一种简单且高效的智能优化算法,由于其良好的收敛性、鲁棒性和寻找全局最优的能力,已在各个领域得到了极大的关注和广泛的应用。然而,传统差分进化算法及其变体在进行最优潮流优化时,仍存在一些问题需要进一步进行解决,比如差分进化算法本身的参数需要根据不同问题进行人工预先给定、如何有效处理最优潮流中的大量等式和不等式的约束、如何考虑均衡多个优化目标以及能否同时求解多个最优潮流优化问题。为此,本文以基于差分进化算法的最优潮流为研究对象,通过对差分进化算法的进一步改进研究,进而为电力系统中的最优潮流进行单目标优化、多目标同时优化、以及多个最优潮流同时优化提供新的求解思路及方法,为电力系统优化提供更有效的工具。本文的主要研究内容如下:（1）自适应约束差分进化求解传统最优潮流差分进化算法具有良好的全局搜索能力,但其性能容易受其算法参数的影响,而这些参数往往很难根据不同的最优潮流给出。因此,设计了一种自适应约束差分进化算法来求解传统最优潮流中单目标优化问题。该算法主要针对自适应差分进化算法（JADE）中存在的不足,首先设计了基于目标函数值的交叉率排序机制;其次设计了一种重用成功进化方向的策略;最后采用可行解优先规则来有效地处理最优潮流中的约束来保证解的可行性。其性能首先在13个基准函数上进行了验证,随后在标准IEEE-30总线系统中进行了最优潮流的实验,结果表明提出的方法在不同的案例上有着明显的性能改善。（2）自适应差分进化求解整合可再生能源的最优潮流由于传统的电力系统多数是采用不可再生能源作为火力发电的原材料,这容易导致不可再生能源的消耗殆尽和环境污染。为了缓解这种电力系统模式,提出了整合可再生能源的IEEE-30总线系统,然后设计了一种改进的差分进化算法求解该模型下的单目标最优潮流优化。在该方法中,主要针对差分进化算法中交叉率随机分配以及种群大小需要人为给定的问题,首先提出了基于目标函数值的交叉率分配策略来使交叉率能够自适应地分配到种群中相应的个体;其次设计了动态种群减小方法,解决差分进化算法中种群大小需要用户根据不同的问题去设置的问题;最后利用自适应惩罚函数来进行潮流计算中的约束处理。实验结果表明,该方法在该整合可再生能源的最优潮流优化上更具有竞争力。（3）多目标差分进化求解整合可再生能源的最优潮流由于整合可再生能源的发电系统能够在满足日常需求的情况下,又能有效地减少有害气体的排放,因此整合可再生能源的最优潮流受到了极大的关注。然而,大多数工作都是基于单目标最优潮流,这意味着在进行优化时,往往只考虑了一个目标,而忽略了其他重要的优化目标。为此提出了基于多目标优化的差分进化算法求解整合可再生能源的多目标最优潮流优化。在该方法中,首先针对经典的多目标优化算法NSGA-Ⅱ进行研究,设计了基于非支配排序的多目标差分进化算法;其次设计了一种交叉率自适应机制,来保证种群中基因交互的多样性;最后采用可行解优先规则,保证改进的自适应多目标差分进化提供的解是可行的。仿真结果表明,所设计的方法可以有效地同时考虑多个优化目标,且得到的最优配置能够帮助提高该电力系统的稳定性以及减少相应的发电成本和实际功率损失。（4）进化多任务差分进化同时求解多个最优潮流针对前述方法在电力系统最优潮流优化中,每一次运行只能求解一个系统优化问题。例如在求解IEEE-30总线系统时,不能同时去求解IEEE-57总线系统。这导致在求解其他系统时,算法需要重新开始寻优,而忽略了不同电力系统之间可能存在的相似关系。换句话说,求解一个最优潮流优化的知识对于求解另一个最优潮流是有帮助的。为此,设计了一种基于进化多任务的差分进化算法来同时求解多个最优潮流优化问题。在设计的方法中,采用一个0-1统一搜索空间来初始化整个种群,以建立多个最优潮流优化问题之间的潜在联系;然后提出了基于种群信息共享的知识迁移策略来有效地进行知识迁移,从而改善目标任务的解精度和收敛性。实验结果表明,所提出的方法不仅能同时求解多个最优潮流优化问题,还能够获取更加准确的解。