全球变暖与大气污染是威胁人类生存的两大环境问题。火电厂在发电过程中会产生大量的温室气体及大气污染物，前者主要以CO2为代表，后者则以PM2.5、SO2、NO2的影响最为严重。作为碳排放和空气污染物排放的最重要主体之一，电力工业在低碳、低大气污染发展中担任着重要的角色。近年来，电力系统最优环境经济调度技术因其无需增加多余建设成本、收效较快而引起学者的广泛关注。
　　大气中温室气体的含量直接决定着大气对长波辐射的吸收能力和对地表的加热能力，因此从排放量的角度对CO2进行控制确实能够有效缓解全球变暖。然而，对于PM2.5、SO2、NO2这类大气污染物而言，衡量其危害程度的真正标准应为地面浓度而非排放量。因此，本文聚焦于低碳控制和低大气污染控制的本质区别，分别采用总量控制和浓度控制的方法来缓解电力工业所带来的全球变暖和大气污染问题。
　　在考虑碳减排的最优环境经济调度方面，用户侧的电力需求、输配电侧的电力损耗直接决定着发电侧的发电量和碳排放量。虽从表面上来看碳排放产生于发电侧，但电力工业的碳减排责任应分担于发输配用等各个环节。因此，本文提出一种考虑了碳足迹追踪的电网侧碳-能复合流优化模型，以填补目前对电网侧碳减排责任的研究空白，激发电网侧的碳减排潜力。
　　在考虑降低大气污染物地面浓度的最优环境经济调度方面，污染物从被排放到扩散至地面，经历了复杂的物理、化学变化，并受到气象条件的强烈影响。此外，环境本身对火电厂造成的大气污染也存在着一定的耐受裕度。因此，本文提出一种考虑气象扩散的有功优化调度模型，通过分析不同火电厂污染物的气象扩散情况，识别出危害最大的火电厂并进行精准管控，同时结合不同地点的大气污染耐受情况，在不同的气象条件下做出灵活的电力调度决策，从而在经济性、环境性中找到最佳折中点，在真正意义上助力经济的可持续发展。
　　为实现上述模型的快速、高质量求解，本文进一步在强化学习、迁移学习和高维多目标遗传算法等方面展开研究，提出相匹配的求解算法，并通过标准模型算例及工程算例证明所述方法的可行性，最终为实际电网的环境经济调度提出了多种全新的调度策略，具有一定的理论价值和工程意义。