由于配电网是各末端用户的直接电源，其电压水平与用户的生产和生活息息相关，所以很多学者对此作了大量研究。文献[3]指出，配电台区电压问题产生的原因主要有以下几点：线路截面积小、供电半径大、配电变压器分接开关位置设置不合理、无功补偿配置容量不足以及设备老化等。针对这些问题，提出了很多配电网的调压手段。其中对配电网的无功补偿研究较多。文献[5]介绍了配电网并联电容器补偿时的各种补偿方式。文献[4]对配电网的无功补偿装置进行了研究，提出应用干式和自愈式的固定电容器对中压配电线路进行补偿，应用智能化低压无功补偿装置对低压配网进行跟踪补偿的方法。此外，为了提高无功补偿的针对性和经济性，很多学者对无功补偿的选点进行了研究。文献[6]提出了应用“无功裕度”指标选择系统无功补偿点的方法。文献[8]中采用网损灵敏度指标来选择配电网的无功补偿点。除了无功补偿调压方法，文献[9]对中低压配电网中更换导线，调节变压器变比的调压方法进行了说明，同时还提出采用分段和联络开关改变网络拓扑和潮流分布，以提高电压质量的配网重构方法。对配电网长距离线路末端用户电压质量无法满足要求的问题，文献[10]提出了在10kV长距离输电线路中安装调压器的方法达到“增大供电半径”的目的。25622
在对电力系统进行各项分析和计算前，首先就是要对系统进行潮流计算。文献[11]讨论了配电网的各种典型接线方式，得出其“树”状结构的特征。通过对配电网中各种潮流计算方法的比较，指出前推回代法原理和计算简单，收敛快的特点，适合用于配电网潮流计算。论文网
    虽然配电网电压控制方法众多，但是关键是要在不同的调压要求下，综合比较这些方法，选择一种或多种调压手段使电压控制达到最理想的效果。结合文献[12]中的思想，电压综合控制问题其实也是一个包含目标函数和各种约束条件的组合优化问题，求解方法和无功规划的优化算法类似。目前为止，虽然所提出的算法较多，但一般可将这些算法分为两类：经典的数学优化法和现代人工智能算法。
  传统的数学优化方法主要包括解析法、线性规划法、非线性规划法、二次规划法以及内点法等[12]。
解析法是运用微积分理论求解目标函数最优问题，但由于其求解是建立在一些理想化的假设之下，所以求解结果并不理想；线性规划法在求解电压控制/无功优化问题时，是先进行线性化处理再求解，这种方法忽略了高阶项，收敛性较差且难以获得全局最优解；非线性规划法和二次规划法在求解带约束的非线性规划问题时采用拉格朗日乘子法或罚函数法建立增广目标函数，消去约束条件后再进行优化求解[5]；内点法由于只在可行域内部优化求解，所以针对性强，收敛速度快，近年来也被广泛运用。
传统的数学优化方法在处理大规模组合优化问题时仍然存在很多问题。一方面，这些算法一般要求变量连续可微，但是在电压控制问题中，变量往往都是离散的。所以传统方法在解决电压控制问题时会有较大的误差。另一方面，这些方法对初值的依赖性高，而且是单路径寻优模式，所以优化结果容易陷于局部最优，通常难以得到全局最优解。
智能算法的基本思想是在求解空间内定义一初始种群，然后通过某种方式自适应的搜索到最优解。其中主要的人工智能优化算法包括遗传算法、模拟退火方法、禁忌搜索法和粒子群算法等[12]。下面仅对在电压控制问题中应用较多的遗传算法和粒子群算法进行介绍： 配电网电压控制国内外研究现状:http://www.youerw.com/yanjiu/lunwen_19501.html