机组组合优化问题属于电力系统主要研究方向之一,对它的研究能带来很大的经济效益和社会效益,因此一直受到很多科研工作者的关注。随着不可再生能源的不断消耗以及日益增长的环境问题,开发利用清洁可再生能源变得愈加重要。由于风力发电具有成本低廉、环保、经济性高的明显优势,被全世界所广泛使用。然而,由于风能的不可预测性,将其接入将给整个电力系统的调度带来很大的困难。本文主要研究内容包括:(1)针对风电的特点,分析风能对电力系统调度的影响。因为风能的预测性较差,本文构建了风能的功率区间模型,能准确地预测其出力情况。进而提出风电并网后的机组优化组合模型,对约束条件进行了探讨,克服风电并网对电网的影响,为后续的研究奠定了基础。(2)传统优化算法在解决机组优化组合问题时不具备跟踪性能,所以只能解决仅含火电的机组组合优化问题。本文将Benders优化算法应用于电力系统负荷的经济调度,对用电负荷在每个时段进行分块处理,能一定程度上解决机组在求解过程中解耦难的问题。通过广义Benders分解算法将机组优化组合问题分解成主问题和子问题,在它们之间通过Benders割进行迭代求解。这样既减小了问题的求解规模也提高了算法的计算精度和速度。(3)针对风电的波动性和随机性,为了解决风电并网后的一系列难题,本文提出了一种改进粒子群算法,其包含离散和连续的双层粒子群算法。利用离散粒子群算法和连续粒子群算法分别优化机组的启停和机组的功率分配,使机组的运行满足旋转备用、功率平衡等约束。本文在传统的离散粒子群算法的基础上,将速度用概率表示,这样既能改善算法的收敛性也能提高算法的搜索能力。最终的实验结果表明改进后的算法能提高运算过程中的收敛速度并减少机组的能源消耗,为机组组合优化问题的求解提供新思路。