潮汐能作为一种清洁可再生能源,有助于解决世界能源短缺和环境污染问题,正逐步受到全世界沿海各国的关注。随着高新技术的发展,潮汐能发电技术不断成熟,潮汐能电站日益增多,人类开发利用潮汐能的前景越来越广阔。潮汐能电站的研究很有必要,不仅能为我国开发利用潮汐能源提供理论依据和可行性方案,也能进一步提高潮汐电站的经济效益。潮位预测对于潮汐电站优化调度有着非常重要的作用,针对潮位易受非周期性因素影响而具有非平稳性特点,提出一种改进实用的遗传神经网络潮位预测算法,通过潮位数据的异常值检测,采用均值替换法克服由观测记录产生的数据误差,然后通过节点优选,权值优化等措施,建立潮位预测模型,并用实际港口潮位预测验证了算法的有效性。借鉴水电站常用优化调度方法,对潮汐电站的优化调度进行了研究,结合预测潮位和潮汐电站机组特性,将发电周期划分调度时段,建立潮汐电站厂内双层优化调度模型。第一层采用动态规划法确定时段末库水位值,第二层使用粒子群算法解决发电量优化调度模型,返回值作为第一层模型的状态值,采用最短路线法确定时段末最优库水位序列。本文使用潮汐电站实际运行资料进行数值模拟计算,结果表明采用此优化调度模型可以有效提高电站发电量。