提出了在大规模安全约束最优潮流(Security-constrained Optimal Power Flow,SCOPF)问题下应用近似牛顿方向(Approximate Newton Directions,AND)分解协调算法.该算法利用近似牛顿方向直接对原问题Karush-Kuhn-Tucker(KKT)条件解耦的思想,将校正性安全约束最优潮流问题分解为一个正常运行状态子问题和N个故障状态子问题,N为预想故障数.分解的每个子问题只迭代1次而不用求其最优解,避免了参数的人为调整,极大地提高了计算效率.对1047节点424个预想故障、高达4559128个原-对偶变量的实际系统进行计算,结果表明所提算法具有良好的适应性和稳定性,不仅显著地减少了占用内存,而且在串行求解时CPU时间下降了3~6倍,在并行计算条件下可获得10~30倍甚至200倍以上的加速比,并保证所得最优目标值与准确值的误差在10-8以下,确保了分解协调结果的最优性.