- 上一篇：地磁对准国内外研究现状
- 下一篇：基于IEC61850的变电站通讯网络国内外研究现状
无功优化问题是混合整数规划问题的一种形式，因为在解决无功优化问题时，通常还要考虑补偿电容器以及变压器分接头的离散控制因素。混合整数规划法在处理数学模型中的离散型变量时，求解过程中会逐步缩小可行域，从而使得要解决的无功优化问题的解能够逐渐靠近最优解。
混合整数规划法常用的算法有分枝定界法和决策树法，其原理比较简单，程序设计较为简便，是解决无功优化问题最为准确的一种方法。但是，混合整数规划法计算量较大，计算时间较长。因此，如何运用混合整数规划法更加快速、合理的解决无功优化问题还有许多的研究工作要做。
5 模拟进化优化方法
有多个约束条件、多个变量、离散性和非线性是无功优化问题的几个基本特点，为了充分考虑这几个特点带来的影响，可以用模拟进化优化方法来解决无功优化的相关问题[7]。
模拟进化优化方法包括遗传算法GA、进化规划EP以及进化策略ES。模拟进化优化方法是近年来刚刚兴起的一种优化算法，它在解决无功优化问题时并没有严格的要求，它具有强大的全局搜索寻优能力，适用范围较为广泛。
目前，在这几种模拟进化优化算法中，遗传算法GA得到了最多的应用。在20世纪70年代，美国密执安大学J.H.Hollnad教授提出了遗传算法这一概念，遗传算法是一种自适应性搜索算法[9]。它根据适应值来测定一组初始值的优劣程度，抛弃那些适应值较低的初始值，那些适应值较高的才有可能将其特性迭代到下一轮的解中，最后计算出一组最接近最优解的值。
遗传算法是将达尔文的生物进化论中的“优胜劣汰”运用到了解决无功优化的过程中，其特点是算法的原理和操作较为简单，具有非常广泛的适应性，因此，目前解决配电网的无功优化问题时，遗传算法的应用最多。简单遗传算法（SGA）一般会以一个非常快的速度达到最优解的90%左右，但是由于遗传算法所用到的每个个体都要进行相应的潮流计算，因此，求解得到最终的最优解会花费非常长的时间。
遗传算法虽然目前是一种应用最多、发展最成熟稳定的一种无功优化算法，但是，如果同时考虑收敛速度和求解得到的最优解的程度[10]，那么简单遗传算法相比于其他的无功优化方法并没有太多的优势，因此，将遗传算法与其他的无功优化方法相结合，从而得到一种新的混合算法，这将会成为遗传算法未来发展中的一个新的趋势。