社会用电量的快速增长给电力系统带来诸多挑战,对电力调度也有了更高要求。为此,机组组合与检修协同优化调度方法被提出,旨在提高电力调度的灵活性和智能性,然而已有研究只考虑经济性,无法确保电力系统安全稳定运行。另一方面,随着电能替代加速,电力部门会成为主要的碳排放源,而传统的电力调度没有将低碳理念纳入核心目标,难以发挥降低污染物排放、保护环境的作用。针对上述问题,本文以机组组合调度和机组检修调度为研究对象,展开了相应研究。本文的主要研究工作如下:首先,考虑电力系统运行时的可靠性、节点电价的波动性和线路的安全裕度,构建了月度机组组合与检修多目标协同优化模型,可在保障电力系统经济运行的同时,兼顾电力系统的安全性、稳定性。通过模型求解和分析,发现多目标协同优化模型的调度解牺牲了部分经济利益,但其系统可靠性、节点电价波动性和线路的安全裕度等指标均优于单目标协同优化模型。接着,探究了碳排放权交易机制下的月度机组组合与检修协同优化,让电力系统碳排放量与经济成本挂钩,既能满足电力系统经济运行也能达到节能减排的效果。仿真实验表明,当碳交易限额降低或者交易价格升高时,碳排放量呈现下降趋势;随着碳交易价格升高,碳排放低的机组会被安排优先发电从而降低系统总成本。最后,结合深度强化学习理论,灵活控制多目标量子行为粒子群算法中的收缩-扩张参数,提高算法寻优效率。实验结果显示,在求解本文提出的多目标优化模型时,提出的改进算法比传统算法效果更优。综上所述,本文结合现实需要和相关政策,深入探究了机组组合与检修协同优化这种调度方式,为电力系统的调度决策提供了参考。