随着我国水电开发从大规模建设逐步转向全流域管理,梯级水电站调度运行需更好地服务流域综合需求;同时,在能源供给侧改革和能源结构转型新背景下,水电功能定位从电量为主逐渐转变为兼顾风险收益均衡,这对市场环境下梯级水电站调度运行提出了新的挑战。为此,本文以云南电力市场下的澜沧江梯级水电站为对象,研究了梯级水电站优化调度模型模拟退火粒子群（Simulated Annealing Particle Swarm Optimization,SAPSO）求解算法,提出了基于模拟退火粒子群-多层前馈神经网络（SAPSO-BP）电价预测方法,建立了考虑市场电价风险的梯级水电站优化调度模型。本文的主要内容和创新成果如下:（1）针对粒子群（Particle Swarm Optimization,PSO）算法易早熟和后期收敛时间过长的情况,加入收缩因子并结合模拟退火（Simulated Annealing,SA）算法对其进行改进;建立了梯级水电站出力与负荷需求偏差最小的数学模型,并采用提出的SAPSO算法求解;应用于四座电站和十座电站的梯级水电系统的算例结果表明,该算法可以快速高效求解梯级水电站优化调度问题。（2）采用最大信息系数和皮尔逊系数综合评价,确定电价预测模型的输入因子;针对多层前馈神经网络（Back Propagation Neural Network,BPNN）学习时间长、易陷入局部极值的不足,利用SAPSO算法优化BP神经网络的权值和阈值,提出了SAPSO-BP算法并对云南省市场电价进行预测,结果表明SAPSO-BP模型电价预测的准确性高于PSO-BP和BP网络模型。（3）利用谱风险测度（Spectral Risk Measure,SRM）衡量市场电价风险,建立了基于均值-SRM的梯级水电站调度模型并采用SAPSO算法求解,提出了考虑市场电价风险的梯级水电站优化调度策略;以云南省电力市场下的澜沧江梯级水电站为研究对象,比较了非市场化模型、不顾风险模型、谱风险度量模型,结果表明市场化模型能有效响应市场价格变化,在规避市场风险的同时保证发电收益。