短期水火电调度（short-term hydrothermal scheduling,STHS）本质上是一个动态、多维、具有大量复杂约束条件的非线性优化问题,当考虑了火电厂的阀点效应和电力系统产生的传输损失之后,该调度问题的复杂性、非线性和非凸性将变得更加严峻。论文以降低火电厂的燃料费用值为研究目标,主要从调度方法和约束处理的改进这两个方面进行研究。在调度方法这一方面,使用了收敛速度快、全局搜索能力强的海洋捕食者算法（Marine Predators Algorithm,MPA）来求取STHS问题的调度方案。在研究过程中,发现MPA虽然在收敛速度和全局搜索能力上性能优良,但是存在容易陷入局部最优的缺陷。因此,提出了三种改进措施来改善这个缺陷。首先,通过引入Tent映射算子来生成混沌序列,并用该序列来初始化种群,以此来提高初始种群的多样性,进而提高在寻优过程中跳出局部最优的可能性;其次,为能够获取更加优质的个体而提出了一种平均适应度优先策略,该策略能提高找到最优个体的速度;最后,为了尽可能减小局部最优值对优化过程的影响,分割了鱼群聚集装置的概率因子,以此来改善容易陷入局部最优的缺陷。通过这些改进,形成了论文中的改进海洋捕食者算法（Improved Marine Predators Algorithm,IMPA）。在约束处理这一方面,提出了两种新的约束处理策略。其中,选择性修复策略是用来解决水电厂的动态平衡约束问题,该策略保证在调度过程中水电厂的水库容积值始终不越限;基于阀点效应的经济优先策略是用来解决火电厂中发电量与负荷需求之间的动态功率平衡问题,该策略既能保证火电厂的发电能力不越限还能降低火电厂花费的燃料费用值。为了验证论文所提方法的有效性和优越性,将IMPA结合所提约束处理策略在两个实验系统的三个实验案例中进行仿真实验。同时,将所提方法的实验结果与其他文献调度方法的实验结果进行对比,结果表明论文所提方法在求取STHS问题的调度方案上具有更加良好的效果和较大的竞争力。