水电能源是一种清洁低碳、运行灵便,具有综合利用效益的再生性能源,截止2017年底,全国水电装机为3.41亿kW,同比增长2.7%,约占全国发电总装机容量的19.2%。上述数据表明,水电能源综合开发与高效利用在我国能源发展战略中占据着举足轻重的地位,加强水电能源的统筹规划与科学管理是推进能源供给侧结构性改革,加快建设环境友好、安全高效的能源结构的关键措施。近年来,我国水电建设在“流域、梯级、滚动、综合”方针的指导下,逐步形成了金沙江、雅砻江、大渡河、乌江、怒江等一批水电基地。随着流域、跨流域水电站群陆续建成投运,流域梯级水电站联合优化调度需综合考虑水文气象、用水需求、电网安全等多方面因素的影响,具有大规模、非线性、强耦合和多目标特性,传统单目标优化调度方法难以解决新形势下的多目标优化调度问题,亟需寻求新的理论、模型、方法和技术手段开展研究。因此,本文分别以溪洛渡、向家坝梯级和清江梯级水电站群为研究对象,建立了时段最小出力最大和梯级总发电量最大的中长期多目标发电优化调度模型,以及梯级总发电量最大和电网余荷方差最小的短期多目标发电计划编制模型;运用基于分解技术的多目标进化算法和改进多目标粒子群算法,求解不同时间尺度梯级水电站群多目标优化调度模型,并以此为基础研发了水电站群优化调度系统,以期为梯级水电站群多目标优化调度提供技术支撑和决策支持。主要工作与成果如下:(1)为增大枯水期最小出力、提高电力系统的供电可靠性,统筹协调梯级水电站的发电与容量效益,建立了以时段最小出力最大和梯级总发电量最大为目标的多目标发电优化调度模型。采用约束“廊道”的方式在可行空间内随机生成初始解,并通过修复策略将不可行解修正到边界,利用结合差分进化、多项式变异算子的基于分解技术的改进多目标进化算法(MOEA/D)对模型进行求解。溪洛渡、向家坝梯级的实例研究表明,MOEA/D能有效处理中长期调度的复杂约束且收敛速度快,能够得到分布均一的Pareto前沿,为实际调度决策优选提供技术支持。(2)围绕清江梯级水电站短期发电计划编制问题,在“以水定电”模式下综合考虑发电效益和调峰效益,建立了梯级总发电量最大和电网余荷方差最小的多目标发电计划编制模型。以中长期多目标优化调度的约束处理方法为基础,采用流量最优分配技术提高发电计划编制的准确性,并利用一种限制粒子飞行速度的改进多目标粒子群算法(SMPSO)求解上述模型。结果表明,改进算法有效克服了收敛速度慢、易收敛于局部最优的缺陷,在缓解电网调峰压力的同时提高了整个梯级的发电效益,为短期发电计划编制的求解提供了一种新的思路。(3)针对传统MVC模式下前后端逻辑混乱、职责不清晰的不足,提出了一种基于REST的前后端分离架构模式,并将其用于水电站群优化调度系统的开发与集成。其中,后端以Spring Boot微框架为基础,专注于模型求解和数据处理;前端采用React、Dva和Ant Design的技术栈,专注于数据交互和用户体验。同时,以面向对象程序设计为指导,对优化调度中所涉及到的机组电站、模型算法等进行抽象,开发了水电站群优化调度的核心类库,提高了系统的规范性和可扩展性。