大系统理论是一门以先进的数学规划优化方法为基础的发展中学科。它被许多专家认为是继经典控制理论、现代控制理论之后的第三代控制理论,其主要内容为模型简化技术、分解协调理论、分级递阶控制和分散控制。随着能源形势日趋严峻,分布式能源的不断升温,传统数字化电站如何应对新型智能电网变革潮流带来的冲击已成为当今社会电力系统发展面临的热点问题。本文便试图站在大系统理论的角度对这方面问题进行探索。从数学角度讲,电力系统中的经济负荷分配是一个高维的、离散的、非线性的优化问题。采用传统的数学优化算法如单纯形法、动态规划法、梯度法等,在寻优过程中通常会面临计算速度慢、内存占用量大、收敛性差、易陷入局部最优等问题,尤其是算法的计算量会随着研究对象维数的增加呈指数式增长,造成“维数灾”。大系统理论可通过分解协调算法将对象模型进行简化,形成分级递阶的控制结构,算法收敛快、效率高、可操作性强,计算量随着对象维数增加呈线性增长,无“维数灾”问题。此外,现有电力系统在负荷的调度与分配上主要以经济调度为基本原则,缺少将环境污染指标作为考量因素的调度原则。本文以火电机组群作为研究对象,建立基于经济性和污染性的多目标优化负荷分配数学决策模型,结合拉格朗日松弛法、次梯度法和粒子群算法构成分解协调算法。其中,采用拉格朗日松弛法松弛掉系统约束,使整个系统分解成若干个子问题,形成两层递阶的模型结构。底层子系统通过粒子群算法求得当前子问题的最优解,上层协调级通过次梯度算法不断更新协调变量,处理各子系统之间存在的关联耦合。次梯度法与粒子群算法不断地反复迭代协调,直至结果完全收敛,最终实现机组群在获得满意经济效益的同时污染物排放量达到最低的多目标优化任务。