電容器作為配電網無功補償的重要設備，在配電系統中被廣泛使用。通過在配電系統中合理地配置和控制電容器，可以提高配電系統的電壓質量，改善功率因素，降低網絡損耗，加系統容量。

　　配電網絡電容器優化問題分為規劃和運行兩大類。規劃問題主要確定電容器的安裝位置、類型和額定容量，在滿足電壓約束的條件下使投資費用比較低。規劃問題也稱電容器優化配置問題。運行問題是在現有無功設備配置（電容器的位置和比較大容量己定）的基礎上，根據實際負荷的變化，確定可投切電容器組的投切方案，使網損（能耗）比較小或運行費用比較低。運行問題也稱電容器優化投切問題。

　　自從上個世紀50年代以來，并聯電容器的效益問題一直得到科技工作者的關注，有關非常多闡述了電容器優化配置問題的研究發展過程。

　　由于缺乏高效的計算工具，早期普遍采用解析方法，這要求目標函數是連續可微的。為得到這樣設，如認為電容的位置和大小是連續變量、饋線截面均等以及各點負荷按統一的模式變化等。盡管作了這些假設，在多數情況下所得到的目標函數仍然相當復雜，這類方法的主要缺點是所得優化結果與實際情況不符。

　　隨著計算機技術的發展，各種數學規劃方法被應用于解決電容器優化配置問題，其中部分方法能夠將電容器的位置和大小當成離散變量處理，這相對于解析方法來說是一大進步。該類方法雖然可以得到比較優解，但計算繁雜，效率較低。

　　進入90年代以來，啟發式方法、人工神經網絡）/專家系統方法、基于隨機化優化技術的方法，包括遺傳算法（GeneticAlgorithmGA）、模擬退火（SimulatedAnnealing，SA）以及禁忌搜索（TabuSerch，IS）等己在配電網電容器優化配置問題中得到應用。相對于解析方法和數學規劃方法來說，啟發式方法以及專家系統方法直觀，易于理解，實現起來簡單，但是不能確保得到比較優解；針對不同的配電系統負荷狀態，將人工神經網絡方法應用于電容器優化配置需要頻繁訓練樣本對于一個有一定規模的配電網，要得到所有可能的負荷模式是困難的，而訓練樣本也需要大量的時間；基于隨機化優化技術的方法由于能有效處理不可微的目標函數，特別適合于解決組合優化問題，實踐證明這些隨機化優化方法具有比傳統優化方法更好的全局尋優能力，但其收斂性及計算速度有待進一步提高。

　　2電容器優化投切配電網電容器優化投切是用來決定配電系統中己安裝的電容器組在不同負荷狀態下的投切策略的碰函數需要做一A些筧際厲不遵的簡化假砸（對于可調電容器組，re還要決定投切的組數以減小系統運行時功率或能量損耗的一種運行控制手段。按照運用的優化方法不同，可以將其分為以下幾類。

　　2.1傳統數學規劃算法容器優化問題，用恒電流模型模擬負荷和電容器，構造了相應的數學模型，并進行了一系列的研究工作。由于所構造的模型將研究推向深入，引入了標準化等效饋線的概念，解決了帶旁支的較復雜配電網絡的無功電壓控制問題，將其分解為電容器和電壓調節器兩個子問題，用非線性規劃法求解。在電容器子問題中同時考慮了規劃和運行，確定了在何處安裝多大容量的電容器、以及如何控制這些固定的和可控的電容器以使年綜合費用比較低，即在考慮電容器安裝費用的基礎上通過優化投切電容器以比較大限度地節約電能。上述中，只有考慮到電容器的整數約束，且用分支定界法求解；都把電容器的位置和大小當成連續變量，與實際情況不符。

　　鄧佑滿從實時控制角度研究電容器優化投切的臺數問題，推導了其逐次線性整數規劃模型，并提出了適合配電網電容器投切特點的對偶松馳解法和逐次歸整法。所得模型簡潔，求解過程無震蕩現象，收斂快，計算量小。但優化結果依賴于網絡的初始狀態，對于同一個系統，當電容器給定的初值不同時，其優化結果不同，同時逐次歸整所引起的誤差取決于電容器的單臺容量。作者在中進一步用模糊集中的梯形模糊數考慮了預測負荷值的不確定性，并用逐次線性整數規劃優化三相不平衡系統的電容器投切。

　　TengJH在中分別考慮在不平衡和平衡配電系統中如何利用常用的線性規劃技術實現電容器的實時優化控制。

　　還在于考慮了負荷的電壓靜特性以及電容器更換問題，仍然用模擬退火法求解。王守相等也應用模擬退火算法解決配電電容器三相分相投切問題，算法考慮了配電系統實際的三相不平衡狀況和系統日負荷變化曲線以及電容器的實際操作次數約束。

　　1%丨-鹼5等：提出a了愚中確定未字來e24J線，liShingH2）遺傳算法GA）d.繼電器司都非常重要，應將操作次數作為一個單獨的目標而不是約束條件來考慮。此時電容器優化投切包含兩個重要的目標：饋線的日運行損耗比較小，操作次數比較小。這兩個目標量綱不同且相互沖突，為解決該問題，作者提出了與遺傳算法相結合的交互式折衷比較優方法。該方法的顯著特點是可以提供一組靈活的折衷比較優解以幫助系統運行人員確定比較佳電容器投切方案。

　　劉莉等人用遺傳算法解決配電網電容器優化投切問題，克服了傳統優化方法在處理電容器整數約束上的不足，對初始條件無任何要求，具備全局尋優能力。

　　張學松也采用類似的將ANN與動態規劃相結合的方法來解決電容器的投切問題。這個方法分3步實施：首先，收集歷史負荷數據，應用動態規劃法離線確定比較佳決策。其次，用ANN的兩種歸類算法對負荷曲線歸類，在每一類中，將前一步求出的比較佳決策取平均得到預調度表。

　　比較后，固定預調度表中可信度高的決策，再用動態規劃法優化可信度低的決策，得到比較終的控制方案。前兩步離線進行，后一步在線應用。在線應用時由于狀態變量數大大下降，計算速度大大加快了。ANN技術應用于控制的優點是在線計算快，特別適于實時控制。ANN離線訓練時間長并不是主要缺絡負荷變化頻繁，對應每一種負荷模式都需要大量的樣本來訓練ANN，這限制了其實用性。

　　MiuKN和ChiangHD研究了GA在三相不平衡配電網電容器優化配置及控制問題中的應用，構造了兩級優化模型。一級優化用遺傳算法確定一個可行解空間，二級優化采用基于靈敏度分析的啟發式算法，用上一級所得到的可行解空間作為搜索的初值繼續尋優。該方法花費的時間比單純使用GA要少，但解的精度有所降低。

　　配電網電容器的實時投切，用GA求解初值，然后用TS求出比較優解。

　　J卜19*佑滿張伯明繼電器Ji-xiang，ZHANGHon「peng）。用改進的Tabu搜索方法優化補償電容器分檔投切的J.電網技術（Power LIU，etal）。基于遺傳算法和TS算法的配電網電容器實時優化投切策略（ApplicationofGeneticAlgorithm/Tabu J.電網技術（Power Xhg-yingQIANFengYANGSi-qin）。模糊動態規劃法在配電網無功優化控方興（975?），男，博士研究生，從事配電網方面的研究；郭志忠（1961*），男，教授，博士生導師，研究方向為電力系統穩定分析與控制，電力系統的自動化、信息化和市場化光電互感器等。