其次，该算法采用罚函数法处理不等式约束，因此 罚因子数值的选择是否适当，对算法的收敛速度影 响很大。过大的罚因子会使计算过程收敛性变坏。
（四）简化梯度最优潮流算法的分析
为此许多文献提出了改进算法，如在求无约束 极小点的搜索方向上，提出采用共轭梯度及拟 牛顿方向。 另外，该算法每次迭代用牛顿法计算潮流，耗 时很多，为此提出可用快速解耦法进行计算。
L(u, x) f (u, x) λT g(u, x)
（一）仅有等式约束条件时的算法
采用经典的函数求极值的方法，将L分别对变量 x, u及λ求导并令其等于零，即得到极值所满足 的必要条件为
L f g λ 0 x x x
T T
L f g λ 0 最优潮流的解必须同 u u u 时满足这三组方程。 L g(u, x )=0 联立求解这三个极值条件方程 λ 组，可以求得问题的最优解。
（一）仅有等式约束条件时的算法
(5) 将求得的x, u及λ代入式(1-195)，则有
L f g u u u
T
L 0 ，则说明这组解是待求的最优解，计算 u 结束。否则，转入下一步；
g x
T
f x
L f g λ 0 x x x T L f g λ 0 u u u L g(u, x )=0 λ
T
g λ x
T
f x
1
(1-197)
二、最优潮流计算的简化梯度算法
最优潮流计算的简化梯度算法在最优潮流领域 内具有重要的地位，是最优潮流问题被提出后 能够成功地求解较大规模的最优潮流问题并被 广泛采用的第一个算法，它直到现在，仍然还 被看成是一种成功的算法而加以引用。 最优潮流计算的简化梯度算法以极坐标形式的 牛顿潮流算法为基础。
