本文总结了国内外关于最优潮流算法的研究现状，对求解最优潮流的经典算法，现代优化方法以及其它算法，进行了比较和讨论。针对最优潮流问题中不等式约束众多，处理方式复杂的特点，本文将信息熵原理应用于电力系统最优潮流计算中，提出了一种基于信息熵原理和遗传算法相结合求解最优潮流问题的新方法，并建立了数学模型。利用信息熵中的极大熵原理，将最优潮流中的大量的不等式约束用一个代理不等式约束替换，从而把最优潮流由一个多约束非线性优化问题转化为单约束非线性优化问题，简化了最优潮流的数学模型，提高了计算速度。 为了加快寻优速度、提高计算精度，对遗传算法进行了一些改进，采用了实数编码、基于正态分布的排序选择和改进的随机单点交叉等新方法。为克服遗传算法易早熟的缺点，利用信息熵定义了一种新的衡量种群个体的多样性的方法，并用种群熵预测早熟敛，当发生早熟收敛时，相应地增加变异率，产生一些新的个体，并使用这些新个体替换原种群的个体，从而保证了遗传算法进化运算过程中种群的多样性，使遗传算法的收敛速度和全局收敛性都有了明显的改进。9节点系统和30节点系统的计算结果表明，本文算法能简洁、高效地处理电力系统计算中的约束条件，可有效地进行最优潮流计算。