电力系统无功优化是电力工程中的一个重要问题，旨在最小化电力系统的运行成本，同时满足电压质量和网络稳定性要求。离散粒子群优化（Discrete Particle Swarm Optimization, DPSO）是一种基于群体智能的优化算法，常用于解决复杂优化问题。内点法（Interior Point Method, IPM）则是一种用于求解线性和非线性规划问题的有效数值方法，特别适合处理大规模的连续优化问题。
在本文中，姚煜和蔡燕春提出了一种将离散粒子群优化与内点法相结合的混合策略，用于电力系统的无功优化。他们通过放松离散变量，将原始的无功优化问题转化为一个连续的非线性规划问题，然后利用内点法求解得到初始解。这种方法可以快速找到一个可行的基础解，为后续的优化过程提供起点。
接下来，他们根据优化变量的不同特性，将无功优化问题分解为两个子问题：连续优化子问题和离散优化子问题。连续优化子问题涉及的是那些可以连续调整的控制变量，如发电机的无功功率输出，而离散优化子问题则处理那些只能取特定值的变量，如开关状态。这两个子问题分别由内点法和DPSO算法交替求解。这种交替求解的方式使得两种优化方法互相补充，彼此的结果作为对方的输入，提高了整体寻优效率。
离散粒子群优化算法（DPSO）通过模拟鸟群寻找食物的行为，利用群体智慧在全球范围内探索最优解，尤其适用于解决离散或混合整数优化问题。而内点法则通过迭代逐步逼近问题的最优解，具有快速收敛的特点，对于连续优化问题特别有效。两者的结合，既利用了DPSO对全局搜索的能力，又发挥了IPM在局部优化上的优势。
为了验证该混合策略的有效性，作者选取了IEEE 30节点和IEEE 118节点系统作为试验平台。通过对比常规的离散优化算法，结果表明，提出的混合策略在正确性和有效性上都表现良好，能够更有效地解决电力系统无功优化问题。
总结来说，这篇研究论文提出了一个创新的混合策略，将离散粒子群优化与内点法相结合，用于解决电力系统的无功优化问题。这种方法不仅考虑了优化问题的离散约束，还充分利用了两种优化算法的优点，从而提高了整体的优化效果。对于电力系统的设计、运行和控制具有重要的理论和实践意义。
