合理开发利用清洁能源,是国家实现可持续发展的重大战略决策。水电作为一种清洁能源,已被广泛开发利用。但是,随着大规模梯级水电站的建立,对各水电站进行联合调度的难度也越来越大。本文重点围绕粒子群算法的改进研究开展相关工作,探究更高性能的粒子群优化算法;以水布垭、高坝洲和隔河岩水库群的优化调度为应用对象,使用改进后的粒子群算法作为优化工具,对建立的水库优化调度模型进行求解。本文主要工作如下:(1)建立基于粒子群算法的水库优化调度模型。根据粒子群算法基本理论,以各水库月末水位为决策变量,建立年总发电量最大的目标函数,并引入罚函数机制,处理不满足条件的解,加快求解速度。(2)提出混合均值中心反向学习粒子群优化算法。新算法将所有粒子和部分优质粒子分别构造的均值中心进行贪心选择,得出优质的混合均值中心,其可对粒子所在区域进行精细搜索。同时,对混合均值中心进行反向学习,使粒子能探索更多新区域;引入方波控制机制,进一步平衡算法的勘探与开发能力。(3)提出优质个体最优动态空间变异的粒子群优化算法。尽管混合均值中心是结合种群优势信息构造的优质粒子,但单个优质粒子提高种群多样性的效果有限。因此,新算法从种群中挑选出部分优质粒子,选择其两个不同维度,使其中一维向另一维做列维飞行,得到新的变异维度值,且进行变异的维度随迭代次数的增加而减少,以此增强种群多样性。(4)提出基于动态子空间的随机单维变异粒子群优化算法。前文两种算法皆采用整体维度更新策略,常因某一维或某几维未达到最优解,导致粒子适应值变差。新算法随机动态挑选粒子的若干维度组成子空间,并随机选择异于子空间的一维进行变异。进化前期选取多数维度组成子空间,增大变异维度的多样性;后期选取少数维度组成子空间,增强粒子精细搜索的能力。最后,使用改进后的粒子群算法,对以总发电量最大为目标函数的水库优化调度模型进行求解,实验取得了良好的结果。