能源机组调度问题是一类重要的组合优化问题。该问题通常是在满足一定的约束条件下,确定机组的启停及机组的生产量,以达到生产成本最小的目标。合理的优化调度方案能够提高劳动生产率和设备利用率,降低能源消耗。多数机组调度问题已经证明属于NP-hard问题,因此本文设计了定制化粒子群算法(Particle Swarm Optimization, PSO)对该问题进行近似求解。论文的主要研究工作如下：(1)本文从实际生产工艺出发,在传统机组调度模型中引入了机组开启条件约束,以系统最小生产成本为目标,建立了适用于能源机组调度的非线性混合整数规划模型。针对该模型不能直接用常规商业优化软件求解的问题,把非线性约束进行线性化变换,用常规商业软件进行求解,数据结果验证了模型的有效性。(2)针对常规商业软件在求解大规模问题时,不能在有限时间内得到最优解和高质量的近似解的问题,本文设计了结合启发式的二进制粒子群优化算法(BPSO)进行求解。使用启发式策略调整粒子满足所有约束条件,并求得每个粒子适应值。(3)针对常规BPSO算法收敛速度慢、求解精度不够理想等缺点,提出了使用连续编码方式改进粒子群优化算法(IPSO)求解能源机组调度问题。该方法是对离散变量进行松弛,把离散变量映射到连续空间内编码,粒子解码后得到机组的启停状态。通过大量随机生成算例进行测试,获得的结果与BPSO、常规商业软件比较,表明IPSO算法能够快速求得满意解。(4)嵌入上述模型和算法,本文设计开发了能源机组调度决策支持系统,从系统实用性的角度将理论研究成果进行融合,使能源企业的机组调度更易于操作。