干式變壓器的安全性能和效率都是可以優(yōu)化的。優(yōu)化干式變壓器的性能，以確保其性能不斷提高。優(yōu)化是依靠技術不斷改進和發(fā)展。干式變壓器的優(yōu)化和開發(fā)問題通常受到工業(yè)界的關注。優(yōu)化的效果和性能更好。對于干式變壓器的優(yōu)化，我們必須做好。計劃實現(xiàn)其持續(xù)改進的性能和效率。

　　干式變壓器優(yōu)化問題分為兩大類：規(guī)劃和運行。規(guī)劃問題主要決定電容器的安裝位置，類型和額定容量，并在滿足電壓約束條件下較小化投資成本。規(guī)劃問題也稱為電容器優(yōu)化配置問題。操作問題基于現(xiàn)有的無功設備配置(電容器的位置和較大容量)，根據(jù)實際負載的變化，確定可切換電容器組的切換方案，并較小化網絡損耗(能耗)或者運營成本較低。操作問題也稱為電容器優(yōu)化切換問題。

　　自20世紀90年代以來，啟發(fā)式方法，人工神經網絡)/專家系統(tǒng)方法，基于隨機優(yōu)化技術的方法，包括遺傳算法(GeneticAlgorithmGA)，模擬退火(SimulatedAnnealing，SA)和禁忌搜索(TabuSerch，IS)它應用于配電網中電容器的較佳配置。與分析方法和數(shù)學規(guī)劃方法相比，啟發(fā)式方法和專家系統(tǒng)方法直觀，易懂，易于實現(xiàn)，但不能保證較優(yōu)解;人工神經網絡方法應用于不同的配電系統(tǒng)負荷狀態(tài)。電容器的較佳配置需要頻繁地訓練樣品。對于具有一定規(guī)模的分布式網絡，很難獲得所有可能的負載模式，并且訓練樣本也需要大量時間;基于隨機化優(yōu)化技術的方法無法有效處理。微目標函數(shù)特別適用于解決組合優(yōu)化問題。實踐證明，這些隨機優(yōu)化方法比傳統(tǒng)優(yōu)化方法具有更好的全局優(yōu)化能力，但其收斂性和計算速度有待進一步提高。

　　干式變壓器應優(yōu)化步驟，提高優(yōu)化速度和技術，改善和提高優(yōu)化效果。必須很好地研究干式變壓器優(yōu)化的步驟和方法。效果會更好!