随着国民经济的快速发展,各个行业对电能质量的要求不断提高。电力系统安全、经济运行,持续不断的、高质量的电力供应已经成为现代社会经济的迫切需求。电力系统无功优化是保证电力系统安全稳定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。电力系统无功优化是一种典型的非线性优化问题,具有多目标、多控制变量、多约束条件、离散性以及不确定性等特点。常规的数学优化方法在处理此类问题时有较大的局限性。针对无功优化问题的特点,同时由于人工免疫算法具有搜索效率高、避免过早收敛、并行优化、保持个体多样性等优点,因此本文将一种改进的多目标人工免疫优化算法应用于多目标无功优化问题。在该算法中采用一种新的改进的非支配排序方法,将一种基于Pareto系数的非劣解排序方法用于对抗体的排序；同时算法中基于拥挤距浓度选择的适应度评价机制和自适应克隆算子的应用都有效的保证了算法的收敛性；本文引入了一种基于混沌搜索的混合变异算子的改善了抗体群的多样性,保证了算法的全局搜索能力；拥挤距浓度算子保证非劣解在Pareto前沿良好的分布性。通过对Pareto前沿非凸、不连续、高维和带约束的仿真函数的测试,仿真对比结果表明了该算法在全局收敛性、多样性和得到的最优解集分布性方面具有很强的能力。在传统无功优化模型的基础上,引入了静态电压稳定性指标,综合考虑系统有功网损最小、电压水平最好和静态电压稳定裕度最大,建立了综合考虑安全性和经济性的多目标优化模型。将本文改进的多目标人工免疫优化算法应用到多目标无功优化的求解中,对IEEE-30节点系统进行了仿真,得到了Pareto最优解集。使用夹角度量排序法对得到的Pareto解集进行多属性的决策,选出了一组最优解,在该最优解参数下的优化结果表明,该优化算法在实现系统经济运行的同时也增强了电网的电压稳定性。