机组组合问题是电力系统运行调度中十分重要的问题,它是在满足多种约束条件下决策各个发电机组开关机状态以及开机机组发电量从而保证发电费用最小的极小化问题。从数学上来讲,机组组合问题属于高维数、非凸的、离散的、非线性的组合优化问题,属于NP难问题,很难获得最优解,因此寻找该问题的近优解成为研究的主要方向。粒子群优化算法(PSO)是一种模仿生物群体行为的智能优化方法,在连续优化问题和离散优化问题中都表现出良好的效果,适合于求解机组组合问题。传统的机组组合问题均是以火力发电为背景的,但是火力发电存在燃料费用昂贵,对环境污染严重等缺点。风能是一种绿色环保并且价格低廉的新型清洁能源,有着非常广阔的发展前景,风能涡轮发电机技术的发展更是进一步扩展了风力发电的应用。本文即利用提出的改进的PSO算法求解传统机组组合问题以及与风力发电相联系的机组组合问题,主要包括以下三方面。首先,本文利用改进的PSO算法对以24小时为调度周期的传统机组组合问题进行求解,在算法的改进过程中应用量子进化算法更新二进制离散变量,并采用异步学习因子配合使用线性减少的时变惯性权重更新粒子速度,与此同时,采用一种新型的修复策略修复粒子,减少修复过程对粒子的破坏。为了验证提出算法的应用效果,本文采用拉格朗日松弛算法来获得机组组合问题的上下界,通过对多组算例的计算机仿真实验,提出的改进的PSO算法能够获得令人满意的解,从而证明了算法的可行性和有效性。然后,本文将风力发电技术引入传统的机组组合问题中去,并利用先前提出的改进的PSO算法对新问题进行求解,结果再次与拉格朗日松弛算法比较,同样令人满意。由于风能存在易间断、不稳定等缺陷,为了克服这些缺点,本文最后还将把电池储能系统引入到风能发电机组中去。电池储能系统利用电池的充放电将风能充足时过剩的风能储存起来,以便在风能不足时使用,从而大大提高了风能的利用率。带有电池储能系统的风力发电机组组合问题应用带有附加粒子的PSO方法进行求解,最终的仿真结果仍然与拉格朗日松弛算法的结果进行比较以证明提出算法的可行性和有效性。