El control óptimo de las potencias reactivas en los sistemas eléctricos puede mejorar el rendimiento y la seguridad del sistema; esto puede ser proporcionado por la distribución óptima de potencia reactiva (ORPD). Bajo la alta penetración de recursos energéticos renovables (RERs) como los aerogeneradores (WTs), la solución al problema de ORPD se ha vuelto una tarea desafiante y compleja debido a las fluctuaciones e incertidumbres de la potencia generada por los WTs. En este sentido, este documento resolvió el ORPD convencional y el ORPD estocástico (SORPD) ante las incertidumbres de la potencia generada por los WTs y la demanda de carga. Se presentó una Optimización Adaptativa de Forrajeo de Mantarraya (AMRFO) basada en tres modificaciones, incluyendo la selección de equilibrio de distancia de aptitud (FDB), el aprendizaje basado en oposición cuasi (QOBL) y un Vuelo de Levy adaptativo (ALF). El ORPD y el SORPD se resolvieron para reducir la pérdida de potencia (P) y la P total esperada (TEPL), las desviaciones de voltaje (VD) y la VD total esperada (TEVD). Las funciones de densidad de probabilidad (PDF) normales y de Weibull, junto con el método de reducción de escenarios y la simulación de Monte Carlo (MCS), se utilizaron para representar las incertidumbres. El rendimiento y la validez del AMRFO sugerido se compararon con otros optimizadores, incluyendo SCSO, WOA, DO, AHA y el MRFO convencional en el sistema de 30 buses de IEEE y funciones de referencia estándar. Estos resultados de simulación confirman la supremacía del AMRFO sugerido para la solución de ORPD y SORPD en comparación con las otras técnicas reportadas.