In diesem Buch werden zwei neue metaheuristische Algorithmen, der Marine Predators Algorithm (MPA) und der Giant Trevally Optimizer (GTO), für die optimale Platzierung von FACTS-Geräten in Stromnetzen unter Deregulierung vorgestellt, um Engpässe zu reduzieren und die Übertragungseffizienz zu maximieren. In einem ersten Schritt wird der MPA-Algorithmus verwendet, um die Platzierung von FACTS auf der Grundlage einer Kontingenzanalyse in einem indischen Vier-Bus- und 24-Bus-EHV-Netz zu optimieren. Die Verbesserungen nach der Platzierung von FACTS sind beträchtlich: Die Anzahl der Überlastungen sank von 8 auf 4, die Überlast von 543,07 MW auf 385,08 MW und die Gesamtschwere der Überlastungen von 34,77 auf 20,75. Vergleichende Studien mit evolutionärer Programmierung (EP) belegen, dass MPA geringere Erzeugungskosten verursacht, z. B. 2,732 Mio. $ mit UPFCs gegenüber 2,738 Mio. $ mit EP im 24-Bus-Netz. In der zweiten Phase löst der GTO-Algorithmus die Dimensionierung und Platzierung von FACTS in IEEE 14-Bus- und 30-Bus-Modellen mit unterschiedlichen reaktiven Lastbedingungen. Die vorgestellte Arbeit beweist, dass die hybride metaheuristische FACTS-Optimierung das Engpassmanagement und die Systemzuverlässigkeit in umstrukturierten Märkten potenziell verbessern kann.