作为近年来不断涌现的现代启发式优化方法之一的粒子群(PS0)算法是一种在搜索过程中自动获取和积累有关搜索空间知识，并自动地控制搜索过程以求得最优解或者准最优解的通用搜索方法。本文全面介绍了粒子群算法的起源、发展、应用及其特点和优缺点，并将其应用于输电网扩展规划领域，以输电网优化规划为研究目标，对粒子群算法在输电网规划方面的应用与改进进行了全面深入的研究。 基于电网规划问题本身的特点及其混合整数性，研究了粒子群算法的离散化方法及其应用于电网规划时参数的选择、计算过程的调整和收敛判据的确定等问题，为粒子群算法在电网规划中的进一步应用奠定了基础。 分析了粒子群算法应用于电网规划的优势及其改进的可行思路，结合其他现代启发式算法(如禁忌算法，遗传算法，蚂蚁算法等)，分析了它们各自的记忆机制、局部搜索机制和全局搜索机制的优缺点，提出了针对现代启发式算法的三种改进思路：1)设置恰当的计算初值；2)利用代表问题特殊知识的信息；3)混合算法。本文从这三种改进思路对粒子群算法在输电网规划中的应用进行了深入探讨。本文主要创新性如下： 1．根据粒子群算法收敛性受初始粒子分布影响较大的特点，结合电网规划的特性，提出了三种粒子群初始化方法，克服了随机初始化粒子时不能保证粒子合理分布的缺点，在快速初始化的同时又保证了初始网络的连通性和粒子在可行空间上的广泛分布性，有效提高了初始粒子质量和网络优化的计算速度； 2．分析了电网规划模型中等式及不等式约束条件的处理方式，构造了电网规划的适应度函数，对罚函数形式的适应度函数使迭代过程产生振荡的现象进行了分析，根据对偶拉格朗日法，提出了一种粒子群交叉迭代法，克服了罚函数法的不足； 3．针对电网规划模型提出了模态空间及空间压缩理论，将每次搜索到的一个满足N-1原则的电力网络定义为一个模态，并据此定义模态空间，通过防止粒子群算法重复搜索已搜索的模态空间对整个可行空间进行压缩，从而提高了算法的全局搜索效率； 4．分析并指出了粒子群算法收敛困难的两个关键原因，提出了局优分支优化技术；并结合电网规划的特点，采用启发式逐步倒推模型对局优子群进行深度搜索。局优分支优化技术克服了粒子群算法的收敛困难，提高了粒子群算法的搜索效率，保证了粒子群算法的全局搜索性能和局部搜索性能； 5．基于电力市场阻塞管理技术，综合规划网络架线、调整购电计划、安装潮流控制设备等手段，计及网络剩余容量经济指标，建立了一种新的电力网络规划模型。并根据该模型特点，提出了并行协同粒子群算法，为多变量、多目标电网规划的求解提供了可灵活扩展的方法； 6．提出了多阶段电网规划的分层协调优化模型，该方法既考虑了各阶段规划的相关性，又考虑了其相对独立性，避免了现代启发式算法搜索中出现的局部劣化现象。采用本文中提出的并行协同粒子群算法对该模型进行求解，由于该方法各处理器的优化目标函数和优化决策变量不同，因而使其搜索方向具有明确的目的性，以克服优化分层间的矛盾，为规划提供更优的可行搜索方向，从而提高算法的收敛速度。 以上粒子群算法的改进措施充分考虑了输电网规划的特点，对不同规模的电网规划算例进行计算和比较的结果表明，以上方法可有效地应用于大规模、多目标、多阶段的电网规划，并且具有较好的收敛速度和全局收敛能力，不但为粒子群算法在输电网规划中的应用提供了良好的基础，同时，也为其他优化算法的改进开创了新的思路。