1.一种基于处理有功优化约束条件提高电能质量的方法，其特征在于，包括步骤：

(1)建立以电网有功功率损耗为目标函数floss的有功优化数学模型并获取电力系统各负荷参数与系统参数。

(2)根据系统参数的约束条件，在系统允许的最大值和最小值范围内根据系统参数随机产生初始种群，其中，系统参数包括：有功功率输出PG、发电机端电压幅值VG、变压器抽头选择T以及无功补偿器的无功功率QC，初始种群中的每一个粒子为列向量，包含各个控制变量的值，是有功优化问题的潜在解；

(3)调用有功优化数学模型计算初始种群中各粒子的运行状态，根据当前罚系数KF对违反系统约束条件的状态变量实时进行惩罚计算罚函数，利用罚函数Penalty，根据公式：f＝floss+Penalty对目标函数floss进行优化获得各个粒子的新目标适应度函数f；

(4)通过迭代实时计算罚系数；

(5)各个粒子进行差异进化算法的变异和交叉操作产生新试验个体；

(6)比较当前粒子与新试验个体，获得全局最优个体，更新目标函数中的个体潜在解获得电网有功功率损耗的全局最优解。

2.根据权利要求1所述的方法，其特征在于，所述确定电网有功功率损耗floss为目标函数具体包括，获取节点i、j之间的电导Gk，电压幅值Vi、Vj，电压相角δi、δj，根据公式：确定电网有功功率损耗floss，其中，NTL为支路数。

3.根据权利要求1所述的方法，其特征在于，获取的电力系统各负荷参数与系统参数包括：负荷节点的有功功率PL、无功功率QL，变压器抽头选择T的范围，无功补偿器的无功功率QC的范围，负荷节点的电压幅值VL的范围，线路视在功率Sl的范围，发电机节点电压幅值VG范围、有功出力PG范围、无功出力QG范围；约束条件包括：系统的有功和无功功率平衡，各参数在系统允许的最大值和最小值范围。

4.根据权利要求1所述的方法，其特征在于，列向量中的元素包括：有功功率输出PG、发电机端电压幅值VG、变压器抽头选择T以及无功补偿器的无功功率QC，上述各参数在系统允许的最大值和最小值范围内随机产生NP个粒子。

5.根据权利要求1所述的方法，其特征在于，计算罚函数具体为：根据各参数对应的罚系数对违反系统约束条件的状态变量进行惩罚计算罚函数Penalt，如所有状态变量均被惩罚，即负荷节点电压幅值Vi、发电机的无功输出QGi、平衡节点的有功输出PG1、各支路的视在功率SBi，则罚函数Penalty为： 其中，KV、KQ、KP和KS为负荷节点电压幅值Vi、发电机的无功输出QGi、平衡节点的有功输出PG1、各支路的视在功率SBi对应的罚系数，NL，NG，NTL分别为负荷节点数，发电机数和支路数。

6.根据权利要求1所述的方法，其特征在于，通过迭代实时计算罚系数具体包括：调用公式： 更新获得罚系数在第g次迭代的取值KFg，并用当前罚系数更新罚函数。其中，KFmin、KFmax分别为相应罚系数的最小值和最大值，gmax为最大迭代次数，g为当前迭代次数。

7.根据权利要求1所述的方法，其特征在于，根据公式：

计算约束评估值Constraint，

通过非贪婪选择策略更新个体与全局最优解，将第g代种群中的父代个体与产生的新试验个体x”i,g+1进行对比，①当Constraint(x”g+1)和Constraint(xg)都为零时，比较f(x”g+1)和f(xg)，适应度函数值较小的个体作为第g+1代新个体xij,g+1；②当Constraint(x”g+1)和Constraint(xg)中二者之一为零时，选择没有违反约束的个体作为第g+1代新个体xij,g+1；③当Constraint(x”g+1)和Constraint(xg)都不为零时，比较f(x”g+1)和f(xg)，适应度函数值较小的个体作为第g+1代新个体xij,g+1；形成新种群后，用新种群中所有个体的适应度值更新全局最优解。

8.根据权利要求5所述的方法，其特征在于，式中Vilim、QGilim、PG1lim、SBilim根据因变量的范围而判定，具体判定方法为： 其中，Ximin、Ximax分别代表相应状态变量的最小值和最大值。