现代电网规模庞大，覆盖区域广泛，电网中的节点数目和系统连接线路数目众多。电力系统无功优化可以提高运行电压水平，改善电压质量，从而很好的改善电力系统的运行性能。目前学者们对无功优化算法及模型进行大量的研究，已有的方法大致可分为传统方法和人工智能方法。人工智能算法起步较晚，虽然具有显着的优点，但不易于收敛到局部较优解，计算费时，仍处于研究开发阶段，不利于大规模电网的无功优化；传统方法应用较早，比较成熟，利于在大规模电网中应用，虽然存在一定的误差，但在工程可以接受的范围之内。

内点法是线性规划的一种，收敛性好，收敛速度快，适用于大规模电网的优化计算。由于内点法的解始终为约束条件的内点，没有明显的不等式约束处理过程，但是其始点要求必须为内点。改进内点算法用于较优潮流问题、电压稳定性控制、求解无功优化问题、研究一般非线性规划及二次规划等方面。

内点法是一种线性规划算法，该算法的优点是迭代收敛次数稳定，适用于大规模电力系统的无功优化计算。内点法的基本思想是从初始内点出发，沿着可行的方向求得使目标函数值下降的后续内点，在沿另一个可行的方向求出使目标函数值下降的内点，重复以上步骤，可在行域内部向较优解迭代，得到由内点组成的序列，使目标函数值严格单调下降，与迭代次数和系统规模无关。

目前，内点法已发展为三个分支：投影尺度法、仿射变换法及原对偶路径跟踪法。这三类算法中，投影尺度法在实际使用中很少使用，而仿射尺度法和原对偶路径跟踪法使用较广。原对偶路径跟踪法由于其收敛迅速、鲁棒性强、对初值的选择不敏感，是目前研究较多的内点算法。

采用内点法进行无功优化需要与潮流计算相结合。在潮流计算的基础上获得初始运行状态点，然后再这个初始状态点上线性化目标函数及约束条件。采用内点法进行无功优化时，在接近较优点时往往会出现“锯齿现象”，即运行状态点在两个点上来回震荡。计算时首先需要判断是否出现“锯齿现象”。判断该现象可根据前后两次迭代中，控制变量的变化方向是否发生变化来判断；其次如果判断出现了“锯齿现象”，就将状态点回退到上一状态点，将迭代步长减半，即自动减不长，重新形成线性问题，进行线性规划计算。

针对某区域的无功电压现状，建立以网损较小为目标函数，并兼顾电压质量较好，采用原对偶路径跟踪法进行无功优化，对有无设备及变压器抽头的合理投切调整，使得电网的电压质量得到大幅度提升，同时也将使系统运行网络损耗明显降低。