随着不断增长的能源需求,以风、光、水为代表的可再生清洁能源迅速发展,为解决能源问题提供了新的解决方案。但风、光电站出力的波动性、不确定性等特征,导致电网弃电现象较严重,给电网的调峰、调频带来了严重困扰,限制了风电、光伏的发展前景。面对风光占比越来越高的新型电力系统,为了更好地去应对风、光电站出力的波动性及不确定性,本文提出了基于梯级水电站的风光发电系统优化调度模式,提高电力系统的经济性、稳定性。本文以风、光、梯级水电站互联发电系统为例,在减少弃风、弃光的条件下,使联合发电系统的发电效益取得最大化。首先基于风电、光伏、梯级水电的自然特点、功率特性及影响因素,介绍了风电、光伏、水电及梯级水风光互补的研究现状,在对上述电站出力特性分析的基础上,给出了梯级水风光互补最大化发电效益的目标函数及各种约束条件,建立起较为完善的风、光、梯级水电站互联发电系统模型。其次,本文提出一种结合动态调整学习因子及惯性权重的模拟退火粒子群算法（SAPSO）,以更快获得系统各部分具体出力计划,同时减少弃风、弃光量以及提高联合系统的经济效益。该方法针对粒子易陷入局部最优的缺点提出了基于动态调整学习因子的SAPSO算法,针对互联发电系统带约束化问题,采用罚函数法,将SAPSO与罚函数相结合,将有约束问题转化为无约束问题。最后,通过对实际的系统进行仿真优化,结果证明本文所提出的SAPSO算法及互联发电系统模型的有效性及可行性,在保证系统供电可靠性的前提下,降低了成本,同时减少了能源的浪费。