能源是人们赖以生存的物质基础,是实现社会发展不可或缺的生产要素。《电力发展“十三五”规划》指出,预计2020年全社会用电量6.8-7.2万亿千瓦时,全国发电装机容量达20亿千瓦。随着人们对能源需求的不断增加,煤炭资源的有限性以及对环境影响等问题不容忽视,因此大力发展可再生能源成为当今时代的要求。据统计,截至2017年底,我国可再生能源发电装机容量达到约6.56亿千瓦;水电、风电、太阳能发电装机稳居世界第一。由于我国水能资源丰富,数以万计的河流以及水电能源的优势使得水电事业有着广阔的发展前景,在众多可再生能源与清洁能源中占据重要的位置。随着我国流域梯级水库群建设逐渐成型,对水库群联合优化调度理论方法进行研究以提高水资源利用率,具有十分重要的理论意义与科学价值。此外,由于水库具有诸如防洪、发电、灌溉等多种功能,合理的水库群运行方式不仅能够有效地保障人身财产安全,更能够为社会创造出巨大的财富。基于此,本文从理论方法与实际应用两个方面入手,围绕梯级水库群联合优化调度问题展开研究。分别从改进智能算法及应用、梯级蓄能调度图优化、梯级水库群中长期发电调度优化、改进算法并行设计及其应用、梯级水库群短期不确定优化调度等方面进行深入研究,主要研究内容及相应成果包括:(1)遗传算法的改进机制研究。针对传统遗传算法中早熟易收敛等问题,引入自组织映射中高低维空间映射转换机制,通过自组织映射对遗传算法中的个体进行学习并更新,使得更新个体能够继承父代个体的拓扑保持与分布保持特性,进而提高遗传算法后期的局部寻优能力以及计算效率,提出自组织映射遗传算法(Self Organizing Map-Genetic Algorithm,SOM-GA)。并采用无约束、有约束等多个标准测试函数对算法进行测试,从求解结果、收敛效率以及稳定性等方面来验证算法的合理性与可行性;(2)基于自组织映射遗传算法的梯级水库群优化调度模型研究。水库群调度是一个多阶段非线性的复杂数学问题,为了验证SOM-GA算法在求解该问题上的的实用性,首先从常规调度方式入手,基于判别式法对梯级水库群绘制满足发电保证率要求下的保证出力最大的梯级水库群蓄能调度图,以此蓄能调度图为基础采用SOM-GA对图中各调度线进行优化,针对调度图特点,基于逐步优化算法的思想,提出SOM-GA算法的调度图优化步骤,最后通过多年径流模拟调度来验证优化后的蓄能调度图的合理性以及有效性;其次从优化调度方式入手,并以梯级水库群发电量最大作为调度目标,给出基于SOM-GA算法的梯级水库群中长期优化调度计算步骤,并提出水库调度下的算法初始化策略,在满足各种约束条件下进行寻优计算,其计算结果与动态规划、原始遗传算法进行比较分析,总结该算法在处理水库群优化调度问题上的应用效果与优势;(3)基于并行设计的均匀自组织映射遗传算法的梯级水库群优化调度研究。SOM-GA算法在求解形如梯级水库群调度等复杂优化问题过程中,当求解问题的维数增加到一定程度时,常常会出现初始解分布不均导致收敛速度变慢以及求解性能下降等问题。为此,进一步对SOM-GA进行两个方面的改进:首先,从设计试验角度出发,引入均匀设计中的水平数、因素数等概念来表征算法个体的基因结构,提出均匀自组织映射遗传算法(Uniform Self Organizing Map-Genetic Algorithm,USOM-GA),对SOM-GA算法的初始种群个体生成策略进行改进,使其在可行域范围能有目的地生成个体基因,进而提高种群多样性与算法收敛速度;其次,结合USOM-GA算法良好的并行性能,对USOM-GA进行并行算法设计,构建一种多核并行的USOM-GA算法,并结合梯级水库群优化调度实例给出相应的求解计算步骤,最后通过结果分析与评价指标检验算法设计的合理性与有效性。(4)考虑水电站出力误差的梯级水库群短期优化调度研究。为能够有效缓解由于径流预报误差的存在而导致梯级水电站水库群制定发电计划时存在一定风险的问题,通过引入风险价值概念,将其用来描述发电计划潜在的可能最大损失,并对由于径流预报误差而导致的梯级水电站水库群出力误差进行量化,进而构建考虑出力误差的梯级水库群短期优化调度模型;同时针对USOM-GA无法解决不确定性优化问题的缺陷,提出基于极值理论的USOM-GA算法来进一步提高算法的通用性,同时给出模型求解的计算步骤,求解出不同风险偏好下的最优发电策略,使其调度决策更加灵活。通过实例应用,验证了模型与算法的实用性与可行性。