近年来,随着澜沧江小湾、糯扎渡,乌江洪家渡、构皮滩,长江三峡、葛洲坝等水电站的陆续投产,我国西南地区形成了大量以大型水库为控制电站的一库多级或多库多级式梯级库群,梯级调度结果的合理性和总体效益与龙头或控制电站的调度方式关系密切,因此研究以龙头或主要控制电站为基础的梯级联合调度极其迫切。然而,径流预报精度不高、梯级规模庞大、水力联系紧密等因素使得梯级库群长期优化调度求解困难。以西南梯级电站群为研究对象,本文从考虑月份因子的径流预报、考虑气象预报的径流预报和梯级水电站群补偿调度方法三方面开展研究。主要工作及取得的成果如下:（1）提出基于Jonckheere-Terpstra检验和月份因子的长短期记忆神经网络的长期径流预测框架。本研究以澜沧江流域的小湾水电站为例进行月径流预报。首先采用J-T检验对1954-2016年的月平均流量数据集进行检验,在此基础上,建立了以前期径流和月份因子作为输入的改进长短期记忆神经网络混合径流预测框架,最后通过六个常用的评价指标对预测结果进行评估,并与BP神经网络模型和支持向量回归模型进行了性能比较。试验结果显示,月份因子的引入大大提高了所研究的径流预测的精度,并且在径流预测的精度上也优于其他预测模型。（2）提出基于气象因子和长短期记忆神经网络的长期径流预测框架。本研究以澜沧江流域的小湾水电站为对象进行了月径流预报。首先,使用反距离权重法将气象因子进行降尺度,其次采用最大信息系数法选取气象因子,在此基础上,建立了以前期径流和气象因子作为输入的改进长短期记忆神经网络混合径流预测框架,最后采用六个评估标准对已建立的模型进行评估,并与BP神经网络模型和支持向量回归模型进行了性能比较。试验结果显示,气象因子的引入大大提高了所研究的径流预测的精度,并且在径流预测的精度上也优于其他预测模型。（3）针对单主体下的梯级水电站群补偿效益问题,本研究建立了以多年平均发电量最大和最小出力最大为目标的多目标梯级水电站群优化调度模型,揭示了其补偿规律。结果表明:黄登建设运行后与已建成的龙头电站—小湾、糯扎渡共同作用,充分发挥了大水电的蓄丰补枯能力和调节能力,从动能指标上分析,黄登的投产可以增加黄登下游水电站群的最小出力和年发电量,并减少弃水,对其上游水电站乌弄龙和里底几乎没有影响;从时间上分析,黄登的投产可以实现黄登下游调节性能较弱的电站丰水期电量向枯水期转移,对其上游乌弄龙、里底水电站的汛枯期电量转移几乎没有影响;从补偿效益上看黄登水库的建设运行能对其下游调节性能较弱的电站和整个梯级产生显著的补偿效益;从最大化的最小出力值取值分析,最大化的最小出力值取0.3倍的最大出力梯级整体动能指标最优。最后对本文主要研究内容成果进行了总结,并对未来的研究方向进行了展望。