随着我国水电能源集中开发已进入尾声阶段,诸多装机容量大、调峰能力强的巨型水电站现已坐落于祖国的大江大河之上,在防洪、发电、生态等方面发挥了举足轻重的作用。现阶段,风电、光伏等新能源发展势头迅猛,水电能源调峰压力与日俱增,给在运水电站精细化调度运行水平提出了更高的要求,如何在“以电定水”调度模式下精准计算水电站尾水位、出库流量并探明与之匹配的水量联系描述方法,是亟待解决的关键问题。此外,新形势下,在水电站日计划编制和实际调度中考虑分厂约束已是大势所趋,如何在分厂约束限制下制定机组启停与负荷分配策略是另一关键问题。针对上述问题,本文以三峡水电站为主要研究对象,运用水电能源学、人工智能等多学科理论与方法开展了较为深入的研究,取得了若干有价值的成果,可为最终实现梯级水电站短期精细化调度提供模型与方法支撑。本文主要的研究内容和创造性成果如下:（1）针对水电站尾水位计算精度问题,分析了三峡尾水位的非线性特征和后效性演变规律,构建了基于水电站监测数据的尾水位神经网络模型,对比了尾水位经验公式、顶托曲线以及尾水位神经网络模型在三峡尾水位单步和滚动计算中的精度差异。研究表明:经验公式和顶托曲线具有相似的计算精度,且因其输入参数未知而在“以电定水”调度模式下存在实用性不足的问题。相比较而言,以三峡水电站前一至前三时段库水位和尾水位、以及当前至前三时段三峡出力为输入的尾水位神经网络模型,能在一定程度上兼顾模型的计算精度和实用性,可为三峡尾水位精准计算提供模型支撑。（2）针对水电站出库流量计算精度问题,提出了以水电站毛水头为参数的负荷分配表编制方法,结合现行的日计划编制业务流程,分别从水电站发电流量最优、水电能转换特性以及数据挖掘的角度提出了七种出库流量计算方法,对比了上述方法在三峡出库流量单步和滚动计算中的精度差异。研究表明:与尾水位经验公式相比,尾水位神经网络模型能在一定程度上提高三峡出库流量计算精度,且对出库流量计算偏差不敏感,具有较强的鲁棒性。另外,具有与尾水位神经网络模型相同输入因子的出库流量神经网络模型,能够在一定程度上克服巨型水电站机组负荷分配策略难以总结的困难,是三峡出库流量计算的首推模型。（3）针对三峡出库流量与葛洲坝入库流量间水量联系精细化描述问题,分析了出入库流量历史运行数据的对应规律,构建了入库流量神经网络模型,设计了葛洲坝入库流量滚动计算敏感性分析实验,检验了出库流量神经网络模型与不同水量联系描述方法的匹配效果。研究表明:汛期期间与非汛期期间,与出库流量神经网络模型相匹配的水量联系描述方法与模型分别为现行的折算系数法、以及以当前和前一时段的三峡出库流量为输入的入库流量神经网络模型。（4）针对分厂约束限制下水电站厂内经济运行建模与求解问题,在分析机组运行特性的基础上构建了考虑分厂约束的厂内经济运行模型,并提出了成套求解方法。研究表明,所提模型及方法能灵活应对三峡水电站母线联络开关问题,有效协调各分厂出力以满足分厂稳定运行区约束,确保机组处于稳定、高效的运行状态,且具备良好的适用性。另外,厂内经济运行模型与出库流量神经网络模型互为补充,与尾水位、入库流量神经网络模型也具有较高的匹配度。