机组组合的任务是对机组的启停状态及负荷分配进行合理安排,以便在发电机组和系统约束的前提下,满足调度周期内的负荷需求,并达到发电成本最低。近年来,污染物排放造成的气候变化问题引起了广泛的关注,这对传统机组组合提出了新的挑战。随着新能源的大力研发和投入使用,尤其是风能发电技术的日趋成熟,迫切需要研究能够更好满足新能源特点的模型和方法。现有的方法在约束条件的全面考虑、节能和减排多目标优化及新能源并网等方面还存在很多问题。因此,本文鉴于智能算法的特点和优势,针对机组组合问题在不同阶段的数学模型的演变,对传统机组组合问题、节能减排的电力系统优化调度,以及风电并网后的随机规划求解,分别进行了深入的研究,提出了新的改进求解方法,并使用典型案例进行仿真,验证了新算法的优越性。主要研究内容包括：1.针对传统机组组合问题求解中存在的诸如启停时间约束考虑滞后等不足,本文在分析其数学模型并比较各算法性能的基础上,提出一种改进的双重粒子群算法,主要包含离散粒子群和连续粒子群两个层次。外层的离散粒子群算法分时段优化机组的启停状态,其中用临界算子保证粒子的多样性,对可行解给出了更严格的判别条件；不同时段间,考虑机组启停时间的向前继承和向后约束。内层连续粒子群算法用于计算机组的经济分配,以便为外层算法的进化提供导向。另对算法实施多项改进以便收敛到全局最优解。两个算例的实验结果证明了新算法的有效性。2.随着对环境保护日益增长的关注,机组组合问题在考虑“节能”的同时,“减排”也成为必不可少的目标之一,显然,其演变为多目标优化的问题。本文在定义目标权重因子的基础上,提出一种目标权重导向的多目标粒子群算法。算法在粒子进化的向导选取上以目标权重的接近程度作为重要指标之一,更好地保持了种群的多样性。对典型的测试函数进行仿真并比较其优化性能,证明了新方法的有效性。本文方法不仅能批量计算出各种目标权重下的Pareto最优解,还给出了更加均匀分布的Pareto前沿,为决策者提供了广阔的选择空间。在此基础上,对标准IEEE-30测试系统同时考虑节能和减排两个目标进行仿真,从实验结果可以得出,无论是否考虑网损,均在经济性和环保方面取得了满意的效果。3.由于风电的波动性和随机性特点,传统的确定性经济调度模型不适合含风电场的混合电力系统。本文采用机会约束规划的理论对风电-火电并网的优化调度进行建模。问题求解方面,将量子计算与粒子群算法结合,提出了一种量子双重粒子群算法。在一定的置信度下满足负荷需求和约束条件,考虑了机组的约束条件处理过程中的耦合关系。采取了机组按优劣性能排序、在不同情况下向后开机和向前开机处理、过量热备用下的反复优化调整等措施,保证了算法的有效性。对案例给出了在一定置信度水平情况下的调度方案。实验结果表明,所提出的模型和算法兼顾了风电-火电并网优化调度的经济性和可靠性。通过本文对机组组合问题的研究,在传统的经济性调度、节能减排的优化调度以及风电并网后机组组合的决策方面均提出了新的解决思路。理论上,在智能算法用于电力系统优化调度方面取得了一定成果,为进一步的工程应用奠定了理论基础。