机组组合问题(UC)是高维、非凸、多约束的混合整数规划问题。拉格朗日松弛算法(LR)可将UC问题进行解耦,使模型简化,但由于目标函数的非凸性,以及梯度搜索方向的单一性,难以保证对偶间隙的可靠收敛,同时安全约束的引入会进一步增加求解的难度。针对这些问题,提出了一种两阶段优化方法(LR-DE),第1阶段利用次梯度优化的LR对UC问题进行计算,快速获得对偶解；第2阶段根据对偶解信息设定全时段拉格朗日乘子更新空间,并利用DE算法进行搜索,通过种群信息的传递改变机组启停,进而修正对偶解,缩小对偶间隙,求出机组组合问题的近似最优解。不同规模的算例分析表明,次梯度与DE算法的配合,搜索更为全面,保证了解的可行性,提高了收敛的精度。同时对于考虑网络安全约束的机组组合问题,将支路约束转换为发电机功率约束进行求解,通过算例验证了算法的适用性。