随着电网负荷峰谷差的不断增大,越来越多的机组需要参与调峰运行,机组间不同的负荷分配方式直接影响电厂的能耗水平,对整个电力行业的节能减排工作也具有十分重要的意义。本文围绕机组负荷分配的建模与优化算法展开研究工作,主要内容包括:　　 对负荷分配中的目标函数及约束条件进行研究,建立了基于能耗的单目标以及综合考虑能耗、环保和响应速率的多目标负荷优化分配数学模型。对机组煤耗特性及污染排放特性获取方法进行分析,重点探讨了煤耗特性的机组性能计算、神经网络和数据挖掘等在线获取方法。　　 提出基于差分粒子群混合算法的机组负荷分配方法,在差分进化算法基础上增加全局最优更新和粒子群优化算法的速度及位置更新等操作,提高了算法收敛速度以及优化结果精度,该方法应用于单目标负荷优化分配问题时,具有收敛速度快、精度高等优点。　　 研究了多目标进化算法基本概念和算法流程,提出了一种新的多目标进化算法:MODPA算法,算法中利用擂台赛法和凝聚层次聚类分析方法分别构造和修剪非支配集,同时加入精英保留策略,保留进化过程中的极值点,将该方法应用到多目标负荷优化分配问题时,与NSGA-Ⅱ相比收敛速度更快,收敛精度更高,解集分布更均匀。　　 针对电网调度要求及电厂控制系统特点,给出了两种火电机组负荷优化分配系统的实现方案,并完成了相应的功能设计。