在能源需求不断提高,以及我国碳达峰、碳中和目标的大背景下,合理开发利用以风电、太阳能为首的可再生能源已是必然趋势。但是,风能和太阳能的随机性和间歇性对多能互补联合发电系统的协调运行提出了挑战,同时也提高了调度成本。因此针对不同类型可再生能源的多时间尺度特性,进行各个电源的灵活调度,是实现发电系统运行优化调配工作的关键。储能装置因其出力特性灵活以及调峰能力较强成为保障系统稳定运行的首选措施,在众多储能方式中,抽水蓄能电站以其技术成熟、存储效率高、调峰能力强而得到广泛应用。本文在风电、光伏和常规机组并网的联合发电系统中,加入抽水蓄能机组,建立多源联合发电系统多时间尺度有功调度模型。另外,在求解电力调度问题的方法研究方面,群智能算法近年来已经受到越来越多的重视,随着研究的不断深入,群智能优化已从只考虑单目标的优化问题发展为多目标优化问题,在静态优化问题的基础上,又进一步拓展为动态多目标优化问题,并成为研究热点。电力调度问题不可避免地具有时变的特性,属于动态多目标问题,因此动态多目标算法的研究具有重要意义。本文从多目标粒子群算法入手,对其进行研究与改进,提出了一种基于预测变异的动态多目标粒子群算法对所建多时间尺度调度模型进行了求解。论文主要工作包括:（1）在深入分析风力发电、光伏发电以及抽水蓄能机组、火力发电机组的运行特性的基础上,针对风光出力随机性、间歇性问题,利用模糊机会约束规划方法对其进行了不确定性建模;（2）设计了日前-日内-实时的多时间尺度调度策略,以日前调度作为基础,结合可再生能源和负荷的超短期预测功率进行日内滚动修正,最后利用具有更高精度的分钟级预测功率对日内滚动调度结果进行实时修正,从而提高调度的精度和经济性;（3）针对粒子群算法种群多样性不足、与电力系统运行调度模型适配性较差的问题,提出了一种基于预测变异的动态多目标粒子群算法（P-DMOPSO）。该算法根据迭代时粒子历史位置和粒子当前位置,计算粒子平移向量,并沿该方向进行预测变异。这种对环境变化的应答机制能够有效地增加种群的多样性,相较于传统的采取随机变异策略的DMOPSO算法,具有更好的全局搜索能力;在收敛性能方面,引入分散度指标以及拥挤距离的均方根参数,在评价种群多样性的同时可用于制定新的收敛准则,显著提高了算法的收敛精度与收敛速度;（4）完成了仿真实验分析。将P-DMOPSO算法应用于联合发电系统多时间尺度调度问题的求解,验证了本文多时间尺度调度模型的合理性和改进算法的有效性。