淡水短缺问题已成为制约全球经济发展的重要因素之一。反渗透海水淡化(Seawater Reverse Osmosis,SWRO)技术的广泛应用,有效地缓解了沿海地区淡水资源不足的问题,得到人们越来越多的关注。然而,SWRO工程的制水成本较高,能耗巨大始终是制约其发展及应用的主要瓶颈。如何通过生产调度,合理制定反渗透海水淡化工程中各个机组的产水计划,以提高系统中各个设备的利用率,实现系统的节能降耗、有效降低制水的成本,成为新的研究热点。本文针对反渗透海水淡化工程的全流程过程,围绕系统的动态调度问题展开研究。首先,对SWRO全流程工艺进行分析,将全流程工艺划分为:絮凝沉淀环节、机械过滤环节、反渗透环节以及水的后处理环节等,并依据机理与辨识方法建立了每个环节的单元操作模型和经济模型;然后将全流程模型进行整合,建立起反渗透海水淡化系统的全流程总费用模型。其次,针对过程参数的不确定性,在满足用户的用水量的需求下,以系统全流程制水费用最小为优化目标,以设计条件和运行条件为约束条件,以约束可行机会为鲁棒性评价指标,建立了基于机会约束规划的鲁棒调度问题模型。针对和声搜索算法过于依赖设置参数、容易陷入局部最优等不足,结合自适应粒子群算法,提出了一种自适应粒子群和声搜索(PHS)算法,然后分别用PHS算法和改进的遗传算法对调度问题进行求解。仿真结果表明PHS算法在求解SWRO系统动态调度问题时,求解速度和优化解的质量都明显提高,求解结果有效降低了SWRO全流程的制水费用。然后,研究了SWRO系统的全流程在机组故障的情况下的动态完全重调度问题。提出了以制水成本和重调度偏离度为多目标的动态优化调度模型,在满足给定约束条件下,利用法线边界交叉(Normal Boundary Intersection,NBI)法和自适应粒子群和声搜索(PHS)算法寻求多目标优化问题的Pareto最优解,并结合实际运行条件,找出问题的折中解。仿真结果表明,NBI-PHS算法可以有效地求解反渗透海水淡化重调度过程多目标动态优化问题,且获得的折中解兼顾了制水成本和偏离度指标。最后,对全文进行总结,并指出课题下一步的研究方向。