西电东送实施十多年以来,我国水电实现了跨越式发展,无论区域、省级电网水电系统还是特大流域梯级水电站群。水电系统的机组规模、装机容量、发电水头、电站数目都出现了巨大变化,需要突破水电系统的计算障碍和效率限制。以我国水电最为丰富和集中的西南地区水电系统调度问题为背景和依托,针对其中极为突出的维数灾问题,从知识规则、并行计算、试验设计、群体智能等多个途径,结合水电系统中长期优化调度问题,开展了降维方法研究,主要内容有：(1)水电调度问题存在多个复杂约束集,这些约束集直接限制和影响着系统的决策空间,因此如何合理判断可行空间将为提高系统求解规模和效率提供可能。为此,提出了知识规则降维方法来科学识别搜索空间的可行性、降低传统方法的计算测度。该方法利用集合运算理论将各约束统一映射集成至指定变量区间,通过电站的有机协调来动态辨识水电系统的可行决策空间,实现对搜索空间的合理、高效压缩。工程实例表明,所提方法能够有效削减非可行解的冗余计算与存储,提升传统方法的计算效率与寻优性能,为缓解维数灾问题提供了新手段。(2)水电调度传统算法计算任务存在良好的并行可分性,而多核技术为此提供了可行性。在已有成果基础上,研究发现：动态规划并非只能从传统的单一策略或部分层面实现并行,而是在组合层、阶段层、状态层、决策层等4个层面均具有良好并行性；除常规的多初始解并行策略之外,逐步优化算法可以在两阶段子问题状态组合级别开展并行求解。最后选用经典的Fork/Join多核并行框架对并行方法予以编程实现。应用结果表明,并行方法能够充分利用多核计算资源,在保证结果一致性的前提下有效缩减运算时间,提高了算法执行效率与资源利用效率,为缓解维数灾问题提供了新技术。(3)水电调度动态规划及其改进算法多采用全面组合完成优化,导致算法计算复杂度呈指数增长、应用范围极大受限。为此,结合多因素多水平试验设计方法,提出了正交逐步优化算法、正交离散微分动态规划、均匀动态规划等改进算法。所提算法利用试验设计表从各阶段状态变量集合中选取部分典型状态变量参与计算,规避了标准算法的枚举操作；同时利用逐次逼近原理完成迭代搜索,以逐步增大对原始搜索空间的覆盖度、进而逐步改善结果质量。理论分析与应用结果表明,所提算法计算复杂度均为多项式增长,并能快速获得优质调度结果,为缓解维数灾问题提供了新思路。(4)群体智能算法将组合计算的复杂性转换为进化迭代的复杂性,通常能够胜任大型水电系统调度问题的求解；但是,受制于固有的机理性缺陷,此类算法一般存在早熟停滞、局部收敛等不足。为此,着力将新兴的量子粒子群算法与蛛群优化算法引入水电调度领域,并分别从种群初始化机制、进化模式、变异搜索策略等多个方面实施改进,提出了改进量子粒子群算法和精英集聚蛛群优化算法,以提升个体的多样性与分布性。应用结果表明：所提算法可以合理均衡种群的全局搜索能力与局部勘探能力,改善标准算法的收敛速度与计算效率,为缓解维数灾问题提供了新途径。