热电联产作为一种清洁环保的供电和供暖技术,在全球面临气候变化和能源危机的背景下,各国都纷纷加强了对这一先进技术的研究。热电联产不需要额外的增加煤耗,就可以提供电和热两种产品,有很好的经济和环境效益。最近几年随着空气的恶化,人们对环境问题越来越关注,热电联产机组占整个火电机组的比例不断扩大,装机容量不断提升,开展这方面的研究具有重要意义。非线性热电联产经济调度(Combined heat and power economic dispatch, CHPED)问题含有较多局部最优点,热电两种出力的耦合作用对算法提出了较高的要求。论文采用纵横交叉算法(Crisscross optimization algorithm, CSO)来解决这问题。CSO采用双重交叉的机制,即横向交叉和纵向交叉。横向交叉以较大的概率在一半种群大小的多维寻优空间组成的超立方体中产生子代,而在外缘空间产生子代的概率则会随着与父代粒子的距离呈线性下降分布。纵向交叉使陷入局部最优的某些维有机会摆脱出来,较好的维持种群的多样性,进而避免算法早熟。两种交叉方式的有机结合能减少搜索盲点,增强全局搜索能力。应用6个不同规模的热电联产经济调度模型来测试CSO的性能,仿真结果表明,对比其它算法,CSO获取解的质量比其它算法更适宜解决热电联产经济调度问题。鉴于环境保护的要求,对于CHPED还需同时考虑燃料成本和污染排放两个相互冲突的目标。提出一种基于Pareto最优解的小世界CSO算法来求解热电联产环境经济调度问题(Combined heat and power environmental economic dispatch,CHPEED)。构建粒子之间相互连接的小世界网络(Small world network, SWN),采用“随机加边”的方式促进粒子之间交换信息。每次迭代中,CSO的两种交叉操作均在SWN的邻域中按编号进行,使得优秀信息能迅速在种群中传播,提高了算法的寻优水平。基于非支配排序的种群分级机制,应用模糊理论建立了提取综合最优解方法。最后以2个考虑不同情况的CHPEED问题为例进行多目标仿真,对比其它混合算法及CSO·算法优化结果,验证了所提方法的有效性。