机组组合问题(Unit Commitment Problems,UCP)是一个具有实际应用价值的工程问题,在电力系统研究中占有非常重要的地位,对发电厂中机组的启停状态机发电功率进行合理的安排,能够带来显著的社会效益和经济效益。机组组合问题具有离散、非线性等不确定因素,到目前为止,仍然没有找到既能获得理想的精度和运算速度,又能全面考虑各种实际约束的算法。如何提高求解机组组合问题的速度和精度对电力系统的经济运行仍然十分重要。常规的数学方法在解决这类问题时具有一定的局限性。但是,智能优化方法却适合求解传统数学方法难以解决的高离散及高非线性的组合优化问题。根据引力搜索算法和混沌局部搜索方法的特点,将两种算法进行结合,设计求解算法用来求解决机组组合问题。首先,本文提出了两种改进的引力搜索算法求解机组组合问题,第一种方法是利用混沌系统产生的混沌变量代替引力搜索算法中的随机变量,改善了引力搜索算法收敛速度过慢及容易陷入局部最优的缺陷,同时利用混沌系统的遍历性,还能增强引力搜索算法的全局搜索能力。第二种方法是先利用引力搜索算法求解问题的最优解,为了防止算法陷入局部最优,以引力算法得到的最优解为中心,设定合理的搜索半径,建立一个超立方体,利用混沌局部搜索算法在新的搜索域内进行二次寻优,该方法可以有效的防止引力搜索算法陷入局部最优,从而得到全部最优解。然后,运用这两种方法求解6种测试函数并进行仿真实验,仿真结果表明第二种改进的算法比基本的引力搜索算法及第一种改进算法好。最后,为了进一步增强了算法的全局搜索能力,在第二种改进的引力搜索算法的基础上,增加遍历性更强Piece Wise Linear Chaotic Map混沌系统,并将算法应用于含6台和10台发电机组的测试系统,仿真优化结果与初始的引力搜索算法、选择性的修剪方法及迭代线性算法等进行对比,电力系统机组的总发电费用均优于上述几种算法,验证了改进的引力搜索算法解决机组组合问题的可行性。