随着经济发展和配电网负荷的多元化,电力用户对电能质量的要求越来越高。配电网电压质量与无功功率紧密相关,故对无功进行经济合理地管理十分重要。因能源枯竭和环境污染问题的恶化,推广清洁可再生能源势在必行,风电和小水电作为分布式可再生清洁能源发电的代表,正被大量地接入配网。但是,大规模分布式发电(Distributed Generation,DG)并网也将带来例如降低电压质量等一系列负面影响。因此,论文对含风电和小水电群的配网无功优化问题进行研究具有重要意义。在含风电和小水电(特别是径流式)的配电网中,负荷变化和可再生能源发电输出功率的不断波动增加了无功优化的难度,另外,优化周期内无功补偿设备动作次数的限制进一步使得实时优化更加困难。为有效解决功率波动情况下的配网无功优化问题,论文基于分时段静态思想提出了自适应分段策略。该策略将整个优化周期自动划分为若干时段,各时段持续时间由DG输出和负荷需求的实时波动程度确定,即处于同一个时段上某DG输出或负荷值波动较小。在此基础上,计及运行环境变化和决策需求,论文进一步提出了含决策偏好的分段方法,使得分段结果同时受到波动程度和偏好因子大小的影响。通过仿真证明,自适应分段策略不仅能有效处理功率波动,而且可以为实现无功动态调节提供一条有效途径。目前,多目标粒子群优化(Multi-Objective Particle Swarm Optimization,MOPSO)算法已被大量应用于求解无功优化问题。但是,MOPSO仍存在种群信息共享率低,Pareto最优解集多样性难以保证以及早熟收敛等缺点。为此,论文提出了基于信息共享策略的多目标粒子群优化(Multi-Objective Particle Swarm Optimization Based on Information Sharing Strategy,MOPSO-IS)算法。信息共享策略基于精英粒子对速度更新公式进行改进,可有效促进种群内部信息流通。为提高解的收敛精度和使其分布更加均匀,MOPSO-IS还引进了混沌变异、外部存档等策略。此外,论文对MOPSO-IS算法的收敛性和时间复杂度也进行了分析。通过对ZDT测试函数集的仿真表明,与同类算法相比,MOPSO-IS算法可以同时改善非劣解集的收敛精度和多样性,能更有效地跳出局部最优,避免种群高度聚集,且由混沌变异引进的新参数对算法性能影响较小。MOPSO-IS算法的提出为求解多目标无功优化问题提供了更加高效和优异的渠道。论文无功优化充分利用了风电和小水电的无功调节能力,将其作为连续无功电源纳入优化模型之中。通过对IEEE33节点系统的仿真发现,采用MOPSO-IS算法求解无功优化模型可得到一组分布较为均匀的最优解集;优化之后的网络有功损耗和电压偏差明显减小,负荷节点电压越限情况得到明显改善;对电容器组补偿量的适度惩罚使DG的无功调节能力得到优先利用,在改善网损和电压偏差的同时减小了电容器组投入的补偿量,节约了补偿设备投资成本;自适应分段策略的应用不仅反映了DG出力和网络负荷的波动,而且满足了无功补偿设备在优化周期内的动作次数约束,避免了频繁投切。